检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

一种基于长短期兴趣的推荐算法设计

电脑知识与技术 2023年第25期19卷 8-10页

作者：时慧琨淮南师范学院安徽淮南232038

用户的长期和短期兴趣对于用户搜索意图表达具有重要的作用,利用这些信息能够进一步改进推荐系统效果。文章提出了一种基于用户长期和短期兴趣的推荐算法,基于改进的GRU模型对用户历史交互序列进行学习,提取其短期兴趣,利用长期兴趣和... 详细信息

用户的长期和短期兴趣对于用户搜索意图表达具有重要的作用,利用这些信息能够进一步改进推荐系统效果。文章提出了一种基于用户长期和短期兴趣的推荐算法,基于改进的GRU模型对用户历史交互序列进行学习,提取其短期兴趣,利用长期兴趣和短期兴趣共同对用户的行为进行预测,同时短期兴趣还用于长期兴趣的更新。实验验证结果表明,该算法能够进一步准确表达用户的兴趣和意图,系统能够产生更加符合用户需求的推荐结果,提高推荐系统的性能。

关键词：推荐系统长期兴趣短期兴趣注意力 GRU

在线全文

学校读者我要写书评

暂无评论

区分用户长短期兴趣的个性化动态推荐模型

区分用户长短期兴趣的个性化动态推荐模型

作者：汪书砚安徽工业大学

学位级别：硕士

面对互联网所引发的信息爆炸,个性化推荐相比于搜索引擎能够更好帮助用户发现兴趣,而用户兴趣建模作为个性化推荐的基础逐渐成为研究热点。同时,心理学家已经证明用户的兴趣往往会受环境的影响而变化。至此,用户兴趣的动态变化过程成为... 详细信息

面对互联网所引发的信息爆炸,个性化推荐相比于搜索引擎能够更好帮助用户发现兴趣,而用户兴趣建模作为个性化推荐的基础逐渐成为研究热点。同时,心理学家已经证明用户的兴趣往往会受环境的影响而变化。至此,用户兴趣的动态变化过程成为一个研究重点,而以往考虑时间因素的兴趣模型主要围绕时间窗与遗忘规律,且通常将用户兴趣当作一个整体进行处理,对长期与短期兴趣的区分性不强。因此,本文主要研究用户长短期兴趣建模、短期兴趣的模式识别以及基于长短期兴趣的推荐,具体内容如下:(1)一般认为,用户的长期兴趣是用户比较关注的、稳定的、不易改变的;用户的短期兴趣是用户不经常关注的、不稳定的、易改变的。为了能够构建一个自主区分用户长短期兴趣的兴趣模型,本文首先通过对天猫网上用户查询记录的收集与商品分类信息的爬虫、统计,获得用户的查询记录(用户ID、查询词、时间戳、访问链接)以及商品类别数据;然后对用户的查询词与商品类别数据进行分词并转换成TF-IDF值,计算两者的相似度,建立查询词与商品类别在最大相似度下的映射关系;再根据商品类别映射关系下查询词数量与该用户所有查询词数量的比值设定阈值,以此区分用户在商品类别下的长期兴趣与待定兴趣;最后对待定兴趣下查询词数量进行判断得到短期兴趣,按照加速度理论提出兴趣加速度的概念,用以表征用户短期兴趣的变化过程,生成兴趣加速度的图像。(2)为了能够实现用户短期兴趣模式的自动识别,本文首先根据兴趣加速度图像的变化规律,给出短期兴趣的六种不同模式(每一种模式都反映一种用户短期兴趣):正常模式、逐渐上升模式、逐渐下降模式、跳跃上升模式、跳跃下降模式、周期模式;然后根据兴趣加速度的最大向量维度进行线性拟合,自动补值,设计函数生成六种不同模式的训练数据;最后设计三层节点的BP神经网络以实现自动识别用户短期兴趣的模式。(3)为了实现区分用户长短期兴趣的商品推荐,本文暂将用户查询后访问的链接当作具体商品,构建一个用户-访问链接的矩阵表。若用户长期兴趣下的访问链接在此表中有出现,在对应位置标记为1,反之为0;对相同模式下的用户短期兴趣进行同样操作;然后基于用户协同过滤算法为用户分别实现区分长期与短期兴趣的链接推荐;再进行关键字符串匹配,得到具体商品链接,利用Web页面分析算法爬取,最终将具体商品推荐给用户。本文选用数据堂提供的天猫网用户的查询行为数据集,构建的模型能够较好区分用户长短期兴趣,得到较好推荐结果,在电商网站中具有一定应用价值。

关键词：个性化动态化长期兴趣短期兴趣兴趣加速度模式识别协同过滤

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于用户记忆矩阵的长序列推荐算法

智能系统学报 2023年第3期18卷 517-524页

作者：鹿祥志孙福振王绍卿董家玮吴相帅山东理工大学计算机科学与技术学院山东淄博255000

传统的循环神经网络,如长短期记忆网络和门控循环单元,记忆能力有限而且记忆数据的存取不够灵活,对较长序列的特征捕捉有着先天的不足。记忆网络具有存储长时记忆的特点,而且对于记忆数据的存取更加灵活多变,因此本文在基于会话的推荐... 详细信息

传统的循环神经网络,如长短期记忆网络和门控循环单元,记忆能力有限而且记忆数据的存取不够灵活,对较长序列的特征捕捉有着先天的不足。记忆网络具有存储长时记忆的特点,而且对于记忆数据的存取更加灵活多变,因此本文在基于会话的推荐算法中引入了记忆网络。本文设计了一个层次化的推荐模型,模型分为2层。第1层为会话级的GRU模型,此模型用来刻画当前会话的序列特征,从而预测下一个项目。第2层为用户级的记忆网络模型,这个模型用来刻画用户长期兴趣的变化。本文提出的模型能有效地捕捉到用户的短期和长期兴趣,进而提升推荐的性能。公开数据集上的实验证明,在会话个数为10相对于会话个数为5的性能提升对比中,本文所提带有用户记忆矩阵的分层网络算法在召回率和平均倒数排名的提升度上相对于分层门控循环单元都有4%的增加。

关键词：记忆网络层次化长期兴趣短期兴趣长短期记忆网络门控循环单元长序列推荐会话推荐

在线全文

学校读者我要写书评

暂无评论

基于用户行为的长短期序列推荐模型

计算机工程与设计 2023年第9期44卷 2777-2785页

作者：王晨星吴云雒晓辉贵州大学公共大数据国家重点实验室贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025

针对现有推荐模型忽略用户兴趣的动态变化,导致推荐精度较低等问题,提出一个基于用户行为的长短期序列推荐模型(long and short term sequence recommendation model based on user behavior,UBLSR)。在序列信息挖掘部分设计一种多路空... 详细信息

针对现有推荐模型忽略用户兴趣的动态变化,导致推荐精度较低等问题,提出一个基于用户行为的长短期序列推荐模型(long and short term sequence recommendation model based on user behavior,UBLSR)。在序列信息挖掘部分设计一种多路空洞卷积网络,将网络扩展成多通路结构挖掘复杂的用户行为特征;将短期时间窗口内的序列行为和目标物品进行关联,通过自注意力网络动态地对用户短期兴趣进行建模;设计一种邻居用户表示方案,借助注意力机制关注邻域内有影响力的用户子集,对用户长期兴趣进行建模;将短期兴趣建模和长期兴趣建模的结果联合进行推荐预测。UBLSR模型在Gowalla、Movielens-1M两个数据集上进行实验,其结果表明,该模型优于其它基准模型,达到较为突出的性能。

关键词：用户行为长短期序列推荐多路空洞卷积网络自注意力网络短期兴趣长期兴趣邻居用户表示方案

在线全文

学校读者我要写书评

暂无评论

基于时间感知的跨领域商品推荐研究与实现

基于时间感知的跨领域商品推荐研究与实现

作者：黄惠彬中南财经政法大学

学位级别：硕士

随着网络的高速发展,用户在网络上的足迹记录越来越多。为了提高用户的体验,满足用户的个性化需求,个性化推荐系统被提出来。传统的推荐系统都是在单域中进行推荐,会面临冷启动与数据稀疏的问题。跨域推荐的提出,实现了可借助其他域中... 详细信息

随着网络的高速发展,用户在网络上的足迹记录越来越多。为了提高用户的体验,满足用户的个性化需求,个性化推荐系统被提出来。传统的推荐系统都是在单域中进行推荐,会面临冷启动与数据稀疏的问题。跨域推荐的提出,实现了可借助其他域中的数据为用户进行推荐,解决了单域推荐系统中存在的冷启动与数据稀疏问题。但随着用户在网络上的交互越来越频繁,越来越广泛,用户在不同域之间的兴趣会产生影响,这时候,跨域推荐不仅仅是作为纯粹的辅助推荐,而是有了具体的实现场景。本文解决的问题基于以下场景,用户先在源域中对某些商品有明确的兴趣表达,随后可能会将这种兴趣转移到其他域中。以追星者为例,其前一段时间看了大量某位明星的相关影视后,对其感兴趣,成为了其粉丝,为了更好地支持该偶像,其会在近期购买该明星的相关的杂志。即用户的短期兴趣可能与其在其他域中的短期兴趣有关,并由其他域中的短期兴趣转移而来。基于此场景,本文提出了基于时间感知的跨领域商品推荐,时间感知用于探究上述场景中的兴趣转移和跨领域推荐。本文的主要工作如下:首先,提出了基于时间感知的跨领域商品推荐模型,该模型主要分为四个模块,用户和商品向量表示,基于时间感知特征构建数据集,用户短期兴趣建模,跨域兴趣转移。用户和商品向量表示模块使用矩阵分解与贝叶斯个性化排序获得用户与商品的向量表示。基于时间感知特征构建数据集,根据预先设定的时间感知参数划分训练数据集。用户短期兴趣建模中使用门控循环单元将用户短期商品序列建模为用户兴趣表示,并与用户的向量表示拼接,得到用户的短期兴趣表示。跨域兴趣转移模块中将用户的短期兴趣表示通过多层感知机映射得到其在另一个域中的短期兴趣表示,以此为该用户在另一个域中推荐商品。其次,本文通过实验探究不同时间感知特征组合的效果,为用户不同域中短期兴趣形成与兴趣转移的特点给出合理的解释,并在最优时间感知特征组合划分的数据集基础上与基准模型进行比较,选取亚马逊评分数据作为数据集,以准确率和召回率作为评价指标,从结果上看,本文模型在特定场景域组合下,多个指标的表现优于基准模型,表明本文提出的模型是有效的与可行的。最后,本文基于上述场景及模型进行了相应的系统设计,该系统以电影与书籍两种商品为基础,在实现了基本的电影书籍查看及评分功能的基础上,以本文模型为主要模型实现了根据用户在一个域中的最近商品交互序列,为用户在另一个域中进行商品推荐的功能。

关键词：跨域推荐时间感知短期兴趣兴趣转移系统设计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于注意力神经网络的文本内容推荐研究

基于注意力神经网络的文本内容推荐研究

作者：牛耀强兰州交通大学

学位级别：硕士

在当前大数据环境下,随着文本应用规模的不断增大,信息过载问题愈演愈烈,已成为当前文本应用领域亟须解决的问题。推荐系统作为一种根据用户的信息需求和兴趣偏好向用户提供决策支持的特殊手段,对于解决信息过载具有显著意义。对于推荐... 详细信息

在当前大数据环境下,随着文本应用规模的不断增大,信息过载问题愈演愈烈,已成为当前文本应用领域亟须解决的问题。推荐系统作为一种根据用户的信息需求和兴趣偏好向用户提供决策支持的特殊手段,对于解决信息过载具有显著意义。对于推荐方法来说,好的特征提取能力能对推荐系统起到事半功倍的效果,因此,基于深度学习的推荐方法随着深度学习在特征提取能力上的天然优势成为解决信息过载问题的重要研究热点。在文本应用领域,文本应用数据量剧增导致的数据稀疏性问题依然严重,且在以往的文本推荐任务中,对于用户的长期兴趣建模推荐较多,但是通过用户的心理规律分析,用户的兴趣会随着时间、环境、当时状态等的影响而发生迁移。基于上述考虑,本文从缓解文本应用平台数据稀疏性问题出发,针对用户的长期兴趣和短期兴趣分别提出不同的推荐方法,主要研究内容如下:（1）针对用户的长期兴趣,提出了基于多通道注意力CNN的推荐模型,模型不仅使用了显式数据（用户信息、用户喜欢的文本）,而且还使用了隐式数据（用户不喜欢的文本、相关文本的作者信息）,丰富了用户画像表示;通过句向量（PV-DM）的方法分别将用户和文本信息嵌入到低维稠密的矩阵中,克服了传统文本表示方法编码稀疏、维度过高的问题;考虑到一般文本内容较长,为了能有效抓取词与词、词与句子之间的关联性,在文本信息通道中使用了注意力CNN进行处理。最后将各通道的输出矩阵首尾连接得到用户的最终表示,经Sigmoid函数来预测每个目标文本的概率产生推荐。试验结果说明本文提出的模型具有一定效果。（2）针对用户的短期兴趣,提出了基于异质注意力RNN的推荐模型。为了缓解数据稀疏性、准确的对用户偏好特征建模,除了将文本内容信息嵌入模型中外,还启发性的将用户的关系网络也嵌入模型,分别使用句向量和TransR的方法将以上两种数据嵌入到两个不同的矩阵中,将这两个矩阵的融合作为用户兴趣的抽象表示;在短期模型构建中,为了充分表示用户短期内潜在偏好特征的动态性,使用Encoder-Decoder作为模型的基本框架,将用户短期内的偏好行为作为编码器的输入,并在编码器和解码器中间引入Attention机制的方法来建模用户的偏好变化的动态性;最后通过Bi-GRU层、前馈层和softmax层,得到推荐列表。实验结果说明本文提出的短期推荐模型推荐准确性上具有优越性,同时还能向用户推荐新的文本项目。

关键词：文本内容推荐长期兴趣短期兴趣异质数据个性化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于人工免疫算法的增量式用户兴趣挖掘

计算机科学 2015年第5期42卷 34-41页

作者：左万利韩佳育刘露王英彭涛吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 伊利诺伊大学厄巴纳-香槟分校计算机科学系

了解用户兴趣是为用户提供个性化服务的关键。用户兴趣有短期兴趣和长期兴趣之分,且具有不稳定性。受人工免疫系统的启发,巧妙地将免疫应答过程应用于用户兴趣挖掘。首先将概率与时间相结合,提出"概念时序动态"的概念,以更好地刻画用户... 详细信息

了解用户兴趣是为用户提供个性化服务的关键。用户兴趣有短期兴趣和长期兴趣之分,且具有不稳定性。受人工免疫系统的启发,巧妙地将免疫应答过程应用于用户兴趣挖掘。首先将概率与时间相结合,提出"概念时序动态"的概念,以更好地刻画用户在一段时间内对同一兴趣的关注程度;然后基于人工免疫原理,建立抽取兴趣标签的分类器来提取用户兴趣标签;最后针对增量式学习,建立兴趣标签的"概念时序动态",刻画出用户兴趣自首次出现以来受关注的程度,以此为依据来判断兴趣是否存在迁移及遗忘现象,并为每个兴趣标签附上权重。其主要贡献是创造性地将人工免疫原理应用于用户短期兴趣和长期兴趣的挖掘,并具有增量特性,可以很好地体现用户兴趣迁移特征,是一种自然完整的用户兴趣模型。实验结果表明,该学习模型能够很好地发现用户关注的领域,其平均精度和召回率分别达到79.5%和74.4%,是目前最贴近用户的兴趣挖掘模型。

关键词：短期兴趣长期兴趣兴趣遗忘兴趣迁移概念时序动态增量学习人工免疫系统

在线全文

学校读者我要写书评

暂无评论

基于RBF神经网络的微博用户兴趣预测模型

计算机应用研究 2015年第12期32卷 3555-3559页

作者：于岩陈鸿昶于洪涛国家数字交换系统工程技术研究中心郑州450002

针对现有用户兴趣预测模型未考虑邻居节点影响、长期兴趣与短期兴趣的区分等不足,提出一种基于RBF神经网络的微博用户兴趣预测模型,增强微博兴趣预测准确度,提高商品与服务推荐效率。该模型将用户兴趣分成长期兴趣和短期兴趣,综合考虑... 详细信息

针对现有用户兴趣预测模型未考虑邻居节点影响、长期兴趣与短期兴趣的区分等不足,提出一种基于RBF神经网络的微博用户兴趣预测模型,增强微博兴趣预测准确度,提高商品与服务推荐效率。该模型将用户兴趣分成长期兴趣和短期兴趣,综合考虑目标用户固有兴趣和邻居用户对目标用户的兴趣影响,在此基础上采用具有良好学习能力、唯一逼近性特点的正则化RBF神经网络对用户兴趣进行预测。在腾讯微博数据的实验中,对用户长期与短期兴趣预测的偏差分别为4.31%、14.53%,偏差方差分别为0.31、48.12,仿真结果表明该模型较已有的兴趣预测算法具有更好的预测精度和稳定性。

关键词：微博邻居节点长期兴趣短期兴趣 RBF神经网络预测算法

在线全文

学校读者我要写书评

暂无评论

移动商务下基于位置和偏好模型的服务推荐

移动商务下基于位置和偏好模型的服务推荐

作者：楼涛海南大学

学位级别：硕士

随着移动互联网的普及,人民生活进一步的“互联网化”。为了满足用户随时随地的移动需求,特别是在移动医疗、移动金融等新兴领域,移动应用程序需要在同一时间多个维度向用户提供服务。在互联网中移动互联网业务大致可分为：手机在线支... 详细信息

随着移动互联网的普及,人民生活进一步的“互联网化”。为了满足用户随时随地的移动需求,特别是在移动医疗、移动金融等新兴领域,移动应用程序需要在同一时间多个维度向用户提供服务。在互联网中移动互联网业务大致可分为：手机在线支付、网上购物、网上银行和旅游预订等移动应用,它们同比增长率都在40%以上。其中移动互联网用户是主要推动力,这为移动商务的进一步发展提供了良好的基础。与传统的电子商务相比较而言,移动商务的服务对象具有高度的服务性和流动性。因此,为了适应移动商务的新特性,必须在满足用户购买需求的基础上,对用户进行服务定制。针对这一现状,本文对移动商务下的服务推荐系统进行了深入的研究。本文的主要工作如下：第一,阐述了在移动商务环境下开展服务推荐的意义,从推荐算法动态适应用户兴趣变化的角度总结了国内外研究现状。同时根据移动商务用户特点,从位置和浏览路径两方面对移动商务下的服务推荐算法进行深入分析。第二,利用移动商务环境下,系统可以实时获取用户地理位置的优势,在传统推荐算法的基础上引入距离变量。根据用户浏览商品的不同,实时调整距离变量,进而向用户推荐最合适的商品。该方法解决了由于外部信息改变带来的用户短期兴趣变化的问题。第三,在引入位置解决用户短期兴趣的基础上,考虑到移动商务环境下,用户数据集的稀疏性、冷启动问题,采用蚁群算法依据用户的浏览路径,提高算法的推荐精度。最后,通过仿真实验,验证在移动商务下引入距离变量和蚁群算法的可行性。实验表明,引入距离变量以后推荐系统可以根据用户具体的距离敏感度来为用户提供更加适合当前环境的服务推荐,基于蚁群的用户浏览路径算法可以有效的提高推荐的精度。

关键词：移动商务位置服务推荐短期兴趣蚁群算法浏览路径