RBM在推荐系统中的应用与研究

《RBM在推荐系统中的应用与研究》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、分类号：密级：公开UDC：学号：6120120047硕士学位论文RBM在推荐系统中的应用与研究TheapplicationandresearchofRBMintherecommendationsystem学位类别：理学硕士作者姓名：章恩学科专业：计算机应用技术（理）研究方向：机器学习指导教师：谢霖铨教授2015年4月1日江西理工大学硕士学位论文独创性声明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，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含已获

2、得江西理工大学或其他教育机构的学位或证书而使用过的材料。与我一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。申请学位论文与资料若有不实之处，本人承担一切相关责任。研究生签名：时间：年月日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：即学校有权保存按要求提交的学位论文印刷本和电子版本，学校有权将将学文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、汇编以供查阅和借阅；学校有权按有关规定向国家有关部门或者机构送交论文的复印件和电子版。本人允许本学位论

3、文被查阅和借阅，同意学校向国家有关部门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学位论文作者签名（手写）：导师签名（手写）：签字日期：年月日签字日期：年月日江西理工大学硕士学位论文摘要摘要协同过滤是推荐系统中一种流行且重要的推荐方法。协同过滤算法被分为基于用户和基于物品的协同过滤算法。基于用户的协同过滤算法的基本思想是寻找与当前用户有相似爱好的用户集合（也就是该用户的邻居），然后根据相似的用户来给该用户推荐可能喜欢的物品。与之类似，基于物品的协同过滤算法旨在为该用户推荐与其有过行为并与

4、之有较高相关度的物品（也即是物品的邻居）。在所有的协同过滤算法中，找到用户或物品的邻居也就是相似用户或物品的集合都是非常重要的一步。当前几乎所有的协同过滤推荐算法都基于用户共同评分的物品或者是同一用户评分的物品来计算用户或物品的相似度。尽管这些推荐算法被广泛用于电子商务中，但是这些算法还存在一些明显的缺陷，包括：(1)数据稀疏性。数据稀疏性问题是指由于评分较少，很难找到用户和物品之间的相互作用，它发生在当前数据不足以找到相似用户或相似物品。这是影响协同过滤推荐效果的一个主要因素。(2)推荐准确性。用户需要推荐系统尽可能准确的预测它们的偏好或评

5、分。然而，目前很多推荐系统的预测评分与用户的实际评分偏差较大。这些不准确的预测尤其是偏差较大的预测，可能会使得用户对该系统的推荐信任度降低。并且传统的协同过滤算法使用打分的物品来代表一个用户，仅仅局限在低层次（物品的层次）上的表现。基于这种低层次的用户表现来计算相似度在一些情况下可能导致不精确的结果，从而衍生出潜因子模型，潜因子模型可以挖掘出评分背后所隐含的更深层次的信息。其中本文将着重介绍受限玻耳兹曼机和矩阵分解来挖掘数据背后的隐含模式。本文在传统的RBM模型上提出改进的算法，并且结合SVD来构建混合的因子模型。并且引入非线性降维技术AE来

6、进行数据预处理，通过实验验证效果较好。关键词:推荐系统;协同过滤;近邻模型;矩阵分解;受限玻耳兹曼机IAbstractAbstractCollaborativefilteringisanimportantandpopulartechnologyforrecommendersystems.Thesemethodsareclassifiedintouser-basedcollaborativefilteringanditem-basedcollaborativefiltering.Thebasicideaofuser-basedcollabora

7、tivefilteringapproachistofindoutasetofuserswhohavesimilarfavorpatternstoagivenuser(neighboroftheuser)andrecommendtotheuserthoseitemsthatotherusersinthesamesetlike,whiletheitem-basedcollaborativefilteringapproachaimstoprovideauserwiththerecommendationonanitembasedontheotheri

8、temswithhighcorrelations(neighboroftheitem).Inallcollaborativefilteringmethods,iti