检索结果-南通市图书馆

中文信息学报 2022年第9期36卷 102-111页

作者：刘树栋张可陈旭中南财经政法大学人工智能法商应用研究中心湖北武汉430073 中南财经政法大学信息与安全工程学院湖北武汉430073

在这个网络媒体平台成为获取新闻资讯的主流方式的时代,新闻推荐扮演着至关重要的角色。一方面,媒体平台使用新闻推荐可帮助用户过滤掉不感兴趣的新闻,定制个性化阅读内容推送;另一方面,智能推送服务能够增加新闻点击率,帮助媒体平台实... 详细信息

在这个网络媒体平台成为获取新闻资讯的主流方式的时代,新闻推荐扮演着至关重要的角色。一方面,媒体平台使用新闻推荐可帮助用户过滤掉不感兴趣的新闻,定制个性化阅读内容推送;另一方面,智能推送服务能够增加新闻点击率,帮助媒体平台实现新闻的快速传播。目前,新闻推荐逐渐成为数据分发领域核心技术之一,逐渐引起国内外学者的关注。该文针对新闻热度不均衡问题造成的长尾现象,提出了一种基于多维度兴趣注意力的用户长短期偏好的新闻推荐模型。首先,对用户长期偏好进行挖掘时把用户兴趣分成多个维度,并采用注意力机制控制不同兴趣维度的重要程度,从而学习到包含不同维度兴趣信息的长期偏好。其次,采用CNN与注意力网络相结合的模型对新闻进行表示学习,采用GRU在用户近段时间内的阅读历史中学习用户短期偏好。最后,通过大量在真实新闻数据集上的实验,以AUC、MRR、NDCG为评价指标与其他基线方法进行比较,证实了该模型均优于其他方法。

关键词：新闻推荐注意力机制长尾效应神经网络用户长短期偏好

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

针对用户长短期偏好的会话推荐算法研究

针对用户长短期偏好的会话推荐算法研究

引用

作者：刘泉哈尔滨工业大学

学位级别：硕士

会话推荐算法根据已知的会话数据,对用户下一时刻可能的行为进行预测,其中会话数据指用户在Web应用上的多个点击等交互行为组成的序列数据。会话推荐算法可以使用用户的单个会话或多个历史会话来进行推荐,一般而言,都需要从用户行为信... 详细信息

会话推荐算法根据已知的会话数据,对用户下一时刻可能的行为进行预测,其中会话数据指用户在Web应用上的多个点击等交互行为组成的序列数据。会话推荐算法可以使用用户的单个会话或多个历史会话来进行推荐,一般而言,都需要从用户行为信息中建模出其长期偏好(静态意图)和短期偏好(动态意图)再进行推荐。基于图神经网络的会话推荐将会话转化为会话图,并从中捕获交互项之间的复杂转移关系,从而更全面地建模用户意图。不过当前基于图神经网络的方法更侧重于建模用户动态意图,忽视了用户的静态意图;并且这些方法捕获的用户动态与静态意图信息容易发生冲突,这使得推荐的效果受到限制。对于这些问题,本文提出了基于用户动态和静态意图的图神经网络(DSGNN)算法。DSGNN算法使用了无向图神经网络来建模用户的静态兴趣,同时用有向图神经网络建模了用户的动态意图,捕获用户会话中更全面的偏好;该方法先通过用户动静态意图分别进行预测,再使用轻量级门机制方法结合两个结果,改进了静态意图和动态意图信息的融合方式,减弱了用户动静态之间的冲突;此外,用一范数加权的方式优化了内积计算兴趣的过程,取得更准确的推荐结果。上述推荐算法局限于单个会话,很难建模较长时间维度上的用户偏好。基于用户多个历史会话数据的推荐可通过对用户一段历史时期内的行为进行分析,建模出用户更长期更稳定的偏好。因此需要解决引入历史会话后带来的长序列建模、序列间不连续依赖等问题。本文提出了个性化历史上下文感知网络(PHCN)算法,其中使用了一个扩张的循环神经网络结构来建模用户多个历史会话中的信息,可以更好地捕获长序列中依赖关系;在建模多会话图时,考虑到了当前会话和历史会话不同的重要程度,并改变了会话图的连接方式;最后用一个带残差连接的信息融合注意力层来对历史会话信息和当前会话信息进行融合,可以更全面地建模用户偏好,更准确地预测其行为。通过实验可以验证本文提出的基于用户动态和静态意图的图神经网络(DSGNN)算法和个性化历史上下文感知网络(PHCN)算法的有效性。相比其他会话推荐算法,本文的方法可以更好地建模用户长短期偏好,推荐准确率更高。

关键词：会话推荐图神经网络用户长短期偏好

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度强化学习的电影推荐模型研究

基于深度强化学习的电影推荐模型研究

引用

作者：潘华莉太原理工大学

学位级别：硕士

在互联网娱乐蓬勃发展的当下,各种信息化产物迅速渗透到人们的生活中,网络电影作为互联网与院线电影深度融合的艺术作品,已成为人们日常娱乐的主要方式之一。但随着数据传输技术的发展,大量电影资源与用户个性化需求之间的矛盾日益凸显... 详细信息

在互联网娱乐蓬勃发展的当下,各种信息化产物迅速渗透到人们的生活中,网络电影作为互联网与院线电影深度融合的艺术作品,已成为人们日常娱乐的主要方式之一。但随着数据传输技术的发展,大量电影资源与用户个性化需求之间的矛盾日益凸显。不断进步的个性化推荐模型,在新一代人工智能的加持下,通过数据挖掘、深度特征提取等技术过滤信息,主动推荐符合用户品味的电影。但大多电影推荐模型离线训练推荐策略,在后续的推荐过程中保持不变,忽略了用户兴趣漂移,缺乏动态性和灵活性。尽管引入深度强化学习算法的推荐模型缓解了上述问题,但数据稀疏问题仍制约着推荐效果的提升。此外,现有工作大多忽略了用户当前状态表示的研究和用户长期偏好的影响。因此,本文基于深度强化学习、多模态表征融合以及注意力机制等提出电影推荐模型,一方面添加电影的文本和图像作为辅助信息,并充分考虑用户的长短期偏好,全面刻画电影特征和用户偏好;另一方面,重新构建深度强化学习的状态表示网络,挖掘用户与电影的深层交互,准确建模用户状态,提升推荐效果。具体工作如下:(1)构建了多模态电影数据集。在电影推荐领域,极少有包含电影文本、图像等多模态信息的开源电影数据集,因此,本文基于网络爬虫技术,以开源的Movie Lens-1M、Movie Lens-100K、Douban数据集为基础,在IMDb网站和豆瓣网站上爬取电影的简介文本和宣传海报,扩充上述数据集,得到包含电影属性、文本、图像信息,用户属性信息,评分交互信息的多模态电影数据集。(2)提出了融合电影多模态特征的深度强化学习电影推荐模型(MDR-RM)。重新设计深度强化学习的状态表示网络,首先,根据电影不同模态信息的特点,使用不同的表征技术提取电影的属性、文本和图像特征;其次,基于注意力机制实现各模态特征的交互融合,丰富电影的表达;最后,充分挖掘用户与电影之间的深层交互,更准确地建模用户当前状态,并输入到Actor-Critic框架中训练电影推荐模型,缓解数据稀疏和用户兴趣漂移问题,在多模态电影数据集上验证了MDR-RM模型的效果。(3)提出了融合用户长短期偏好的深度强化学习电影推荐模型(DMR-LS)。全面考虑用户的长短期偏好,并改进得分函数,首先使用多头注意力机制建模用户最近的交互电影,作为用户的短期偏好,使用平均Pooling建模当前时刻之前全部的交互电影,作为用户的长期偏好;其次,考虑长短期偏好对当前状态不同的贡献度,与用户特征一起经过注意力网络进行融合,完善用户当前状态;最后,基于Actor-Critic框架和余弦相似度的得分函数生成推荐,进一步提升了电影推荐效果。

关键词：推荐模型深度强化学习多模态表征与融合用户长短期偏好注意力机制

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于知识图谱和深度学习的个性化景点推荐算法

基于知识图谱和深度学习的个性化景点推荐算法

引用

作者：贾中浩桂林电子科技大学

学位级别：硕士

随着人们生活水平的提高,人们对旅游的需求日益增加。面对海量的互联网信息,传统的搜索引擎在景点推荐方面往往无法满足用户的个性化需求,用户通常需要花费大量时间筛选景点信息。个性化景点推荐作为智慧旅游城市和位置服务的重要课题之... 详细信息

随着人们生活水平的提高,人们对旅游的需求日益增加。面对海量的互联网信息,传统的搜索引擎在景点推荐方面往往无法满足用户的个性化需求,用户通常需要花费大量时间筛选景点信息。个性化景点推荐作为智慧旅游城市和位置服务的重要课题之一,如何为用户做出精准推荐,提供个性化服务,提高用户满意度显得尤为重要。为此,个性化景点推荐系统备受关注,已经成为学术界和商业界研究的热点之一。由于知识图谱有效地解决了项目冷启动和数据稀疏等问题,同时它自身丰富的图网络结构使得不少相关学者研究并应用到推荐系统中。近年来,基于知识图谱的推荐算法表现出强大的可行性和鲁棒性,但是现有的知识图谱算法存在无法建模用户的偏好的问题。基于序列建模的推荐算法虽然建模了用户行为序列,但往往没有考虑项目的属性信息。为了克服这些不足,本文提出了KG-ULSP模型和KGSA4Rec模型并应用到个性化景点推荐系统中。本文的具体研究内容如下:（1）提出了一种基于知识图谱和用户长短期偏好（KG-ULSP）的个性化景点推荐方法。首先构建用户、景点及评分旅游景点知识图谱,使用网络表示学习中具有代表性的方法Node2Vec,通过带偏置的随机游走策略,利用神经网络语言模型Word2Vec学习每个景点的特征向量表示。然后将景点向量输入到门控循环单元（GRU）网络训练得到关于景点序列的潜在向量表示。最后使用注意力机制建模用户长期偏好和短期偏好,线性拼接用户的长期偏好和短期偏好,预测每个景点在下一次访问的概率并生成用户可能喜欢景点的推荐列表。实验结果证明了基于知识图谱和用户长短期偏好模型比其他模型推荐结果更准确,也说明了融合了景点属性和网络结构语义信息的景点向量,以及对长短期偏好建模对提高推荐结果有提升作用。（2）考虑到知识图谱丰富的图网络结构,我们进一步完善景点属性信息,将基于翻译模型的方法引入到个性化景点推荐系统中,提出了一种基于知识图谱和自注意力机制的个性化景点推荐方法。利用知识表示学习中的TransD翻译模型将游客游玩的景点以及景点的六个属性（游客对景点的评分,景点的地理位置,类型,等级（5A）,门票和适宜游玩的季节）,分别映射到不同隐式语义空间中,学习景点的特征表示,然后利用自注意力机制建模序列行为,挖掘游客对不同景点的偏好信息,最终通过矩阵分解的方式预测游客对待预测景点的打分,并生成推荐列表。通过在真实旅游数据上的实验以及大量的对比实验,验证了所提方法的有效性。

关键词：知识图谱推荐系统个性化景点推荐用户长短期偏好自注意力机制

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：