欢迎来到天天文库
浏览记录
ID:35081987
大小:3.79 MB
页数:60页
时间:2019-03-17
《推荐系统相关技术的研究与应用》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、分类号密级V-.UDC学号戀々誇硕±学位论文^iThesis化rMasterjsDegree论文题目推荐系统相关技术的研究与应用申请学位类别理学硕±t.专业名称计算机科学与技术研究生姓名梁博群?导师姓名、职称谢霖餘教授 ̄%..,.Cf—;二〇六年六月心,'、;.绒聲/^令\知/'.-、‘‘、'..與?,*;f>v、.?..?.**,.v;也V、扛^:谦分类号:密级:UDC:学号:硕士学位论文推荐系统相关技术的研究与应用Researchandapplicatio
2、nofrecommendationsystemrelatedtechnology学位类别:理学硕士作者姓名:梁博群学科、专业:计算机科学与技术研究方向:数据挖掘、机器学习指导教师:谢霖铨教授年月日学位论文独创性声明本人声明所呈交的论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加W标注和致谢的地方外,论文中不包含其它人已经发表或撰写过的研究成果,也不一包含已获得江西理工大学或其它教育机构的学位或证书而使用过的材料。与我同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示谢意。一申请学位论文与资料若有不实之处
3、,本人承担切相关责任。研究生签名:禱灵时间:年月日裘^学位论文版权使用授权书:本人完全了解江西理工大学关于收集、保存、使用学位论文的规定即学校有权化存按要求提交的学位论文印刷本和电子版本,学校有权将学位论文的全部或者部分内容编入有关数据库进行检索,并采用影印、缩印或扫描等复制手段保存、汇编W供查阅和借阅;学校有权按有关规定向国家有关部口或者机构送交论文的复印件和电子版,同意学校向国。本人允许本学位论文被査阅和借阅家有关部n或机构送交论文的复印件和电子版,并通过网络向社会公众提供信息服务。保密的学位论文在解密后适用本授权书"(:
4、学位论文作者签名(手写;手写))^导师签名^||^i江西理工大学硕士学位论文摘要摘要随着4G时代的到来,推荐系统作为大数据时代的产物在电子商务、信息检索以及移动应用、社交网络等众多领域都取得了不错的发展。伴随着这些应用的发展用户和产品数目不断增长,数以亿计的资源信息被产生,数据的规模不断壮大,致使推荐系统面临着前所未有的挑战。主要包括数据稀疏、可扩展性和冷启动等问题,这些问题俨然已成为了影响推荐质量的主要因素,研究者们在学习过程中提出了多种方法来克服这些问题。但是针对形态各异的问题不同的推荐算法存在各自的优劣点。为此本文综合分析了国内外的研究现状,针对推荐系
5、统中的数据稀疏、冷启动、用户特征随时间动态变化及不同用户对同一特征依赖程度不同等问题,分别从改进算法及构造新的数学模型等方面对推荐系统开展了细致地研究,主要工作成果如下:1.提出结合用户特征分类和动态时间的协同过滤推荐。本文主要通过加入用户特征信息及特征动态变化因子来改善协同过滤推荐存在的不足,首先构建特征分类树、并根据用户间相同特征数目引入一种自适应的权重模型改进了计算特征相似度的方法。同时还分析了用户特征动态变化这一因素对推荐结果的影响,通过引入一个包含时间跨度的衰减函数来改善用户特征动态变化问题对推荐精度的限制。最后针对冷启动问题利用sigmoid函数将上述基于
6、用户特征模型与传统协同过滤推荐模型相融合,通过平滑地过渡来灵活地计算用户间相似度。为了突出本文算法的有效性,从推荐结果的准确率、精度及召回率等方面进行了验证。实验结果表征结合用户特征分类和动态时间的协同过滤推荐不但能够提升推荐精度、准确率和召回率,同时对推荐系统面临的冷启动问题也起到了一定的缓解作用。2.提出基于降噪自编码的推荐算法。自编码神经网络隶属于模型的方法,它能够提取数据从低层到高层的特征,发现隐藏在样本间潜在的相关性,为了提高推荐系统的推荐质量将该模型应用于推荐系统。针对原始数据之间的冗余度问题,本文采用ZCA白化技术对原始数据进行转化、去相关。同时为了增强
7、自编码神经网络的鲁棒性,本文还对自编码模型进行了改进,提出了基于降噪自编码的推荐算法,主要是在利用自编码模型进行训练时加入了随机噪声来克服自编码神经网络将输入样本直接复制输出的问题。实验结果表明引入ZAC白化和降噪后的自编码模型能够有效地提高推荐的精度。关键词:推荐系统;用户特征;相似度计算;深度学习;自编码神经网络IAbstractAbstractWiththeadventofthe4GEra,Greatdevelopmenthadbeenmadeinelectronicbusiness,informationsearching,mobileapp
此文档下载收益归作者所有