基于兴趣和神经网络的个性化情景推荐模型研究

《基于兴趣和神经网络的个性化情景推荐模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于兴趣和神经网络的个性化情景推荐模型研究AStudyofInterestandNeuralNetworksbasedPersonalizedContextualSuggestionsModel领域：软件工程作者姓名：唐振君指导教师：宋大为教授企业导师：张作职高工天津大学软件学院二零一五年十一月摘要随着互联网的发展和海量数据的挑战，如何对混乱无序的信息进行处理，面对互联网海量数据，用户对信息的获取方式从搜索引擎变更到推荐系统，如何将用户最关注最需要的信息进行展现，成为亟需解决的问题，基于此，推荐系统应运而生。随着推荐系统的研究和发展，国内外学术界、工业界中投入和推出推荐系统的研

2、究与竞赛，推动推荐系统研究的标准化发展。但是目前推荐系统存在诸如冷启动、数据稀疏、特征选择、兴趣漂移等问题，为此本文提出基于神经网络的词向量表示融合用户兴趣进行建模。本文的主要工作和贡献主要概括为：一是对于用户兴趣建模时使用的表示方法及其优缺点，针对其特征选择和特征表示问题提出采用基于神经网络的词向量表示方法对用户兴趣进行建模，通过实验表明采用词向量的表示方式能有效表示用户兴趣，比传统表示方法提高在30%以上，突出用户项目信息，更具有语义解释性；二是根据词向量来挖掘用户的隐藏兴趣，将推荐系统中用户-项目的二元模式转换成用户-兴趣-项目的三元模式。我们首先通过经典主题模型，来寻找

3、用户与项目中的兴趣分布，之后根据词向量本身的性质，构建隐藏兴趣的doc2vec模型，二者在推荐任务中均有较好的体现；三是根据上述模型的具体阐述，我们实现了基于神经网络和兴趣的个性化推荐系统，将上述两种方法运用到该系统中，为用户提供个性化的旅行情景推荐，帮助用户在新的情景获得最佳方案。关键词：情景推荐词向量表示主题模型神经网络语言模型个性化ABSTRACTWiththedevelopmentoftheInternet,howtoacquireeffectiveinformationfrommassivedatahasbecomeabigchallenge.Withthemassi

4、veinternetdata,usershavechangedaccesstoinformationfromthesearchenginestotherecommendationsystems,howtodisplaytheinformationthatareconcernedbyusershavealsobeenanurgentproblem.Basedonthis,therecommendationsystemcameintobeing.Withtheresearchanddevelopmentofrecommendationsystem,academiaandindust

5、rypromotedthestandardizationofthedevelopmentoftherecommendedsystemresearch.However,existingrecommendersystemoftensufferedfromthecold-startproblems.Therefore,inthispaper,wemakeafocusedstudyofdesigningandapplyingrecommendersbasedonuserinterestsmodelingtoimprovingusersatisfactory.Ourcontributio

6、nscouldbesummarizedas:Firstly,oursystemrepresentedallattractionsandusercontextsinthecontinuedvectorspacebasedonneuralnetworklanguagemodels,whichraisedabout30%.Secondly,accordingtothewordvectorthatrepresentsusers'interest,theuserrecommendationsystemchangeintoauser-interest-projectsmode.Wepred

7、icttheusers'ratingsfortheattraction'swebsitesusingtheLatentDirichletAllocation(LDA)andbuildthehiddeninterestDoc2vecmodel.Bothofmodelshavebetterperformance.Finally,asdescribedabove,wehaveimplementedthepersonalizedrecommendationsystembasedoninteresta