隨著互聯(lián)網(wǎng)行業(yè)的快速發(fā)展,人們?cè)郊宇l繁的進(jìn)行網(wǎng)絡(luò)活動(dòng)。網(wǎng)絡(luò)電視、在線(xiàn)音樂(lè)等互聯(lián)網(wǎng)平臺(tái)的用戶(hù)數(shù)量迅速增長(zhǎng),因此也產(chǎn)生了大量包含時(shí)序信息的用戶(hù)數(shù)據(jù)。這些數(shù)據(jù)中往往蘊(yùn)含著用戶(hù)的興趣或習(xí)慣,企業(yè)能夠以此挖掘用戶(hù)行為模式,并為用戶(hù)提供更便利的個(gè)性化服務(wù)。因此,如何利用用戶(hù)時(shí)序點(diǎn)播數(shù)據(jù)對(duì)用戶(hù)進(jìn)行推薦,是推薦系統(tǒng)的一個(gè)熱點(diǎn)問(wèn)題。用戶(hù)時(shí)序行為挖掘面臨以下幾個(gè)重要挑戰(zhàn):1)節(jié)目特征存在著高維性和稀疏性的問(wèn)題,如何對(duì)大量的數(shù)據(jù)進(jìn)行建模是其中的一個(gè)挑戰(zhàn)。2)用戶(hù)興趣不是固定的,而是隨時(shí)間改變的,如何有效的捕獲用戶(hù)行為的動(dòng)態(tài)偏好是用戶(hù)時(shí)序行為挖掘的另一個(gè)挑戰(zhàn)。3)用戶(hù)活躍行為在時(shí)間上不是均勻分布的,如何降低活躍行為分布不均衡帶來(lái)的影響,是用戶(hù)時(shí)序行為挖掘的又一個(gè)重要挑戰(zhàn)。針對(duì)現(xiàn)有用戶(hù)時(shí)序行為挖掘算法面臨的挑戰(zhàn),本文基于Word2Vec的思想,提出了一種基于嵌入學(xué)習(xí)的動(dòng)態(tài)推薦模型(Dynamic Recommendation based on Embedding Learning,簡(jiǎn)稱(chēng)DREL),主要工作是:1)針對(duì)節(jié)目特征的高維性和稀疏性等難題,利用嵌入學(xué)習(xí)思想將節(jié)目特征向量映射到低維向量空間。通過(guò)這種方式,不...

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1中國(guó)網(wǎng)民規(guī)模和互聯(lián)網(wǎng)普及率

研究背景及意義隨著“互聯(lián)網(wǎng)+”時(shí)代的到來(lái)，人們的生活習(xí)慣不斷地發(fā)生著變化，網(wǎng)絡(luò)活動(dòng)替了線(xiàn)下活動(dòng)，在方便了人們的同時(shí)，也帶動(dòng)了社會(huì)經(jīng)濟(jì)的發(fā)展。根據(jù)C的《第40次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》[1]顯示，截止2017年6月民規(guī)模已經(jīng)超過(guò)7億，互聯(lián)網(wǎng)普及率已經(jīng)超過(guò)5....

圖2-1Sigmoid函數(shù)Figure2-1SigmoidFunction

介紹本文中涉及到的相關(guān)理論的預(yù)備知識(shí)，包括Sigmoid函數(shù)、So夫曼樹(shù)和隨機(jī)梯度下降法。第二部分介紹協(xié)同過(guò)濾技術(shù)，包括基于的協(xié)同過(guò)濾算法。第三部分介紹低維嵌入學(xué)習(xí)技術(shù)，包括神經(jīng)網(wǎng)絡(luò)2vec技術(shù)等。關(guān)理論預(yù)備知識(shí)Sigmoid函數(shù)moid函數(shù)是一種具有“S”形曲線(xiàn)的數(shù)....

圖2-3神經(jīng)概率語(yǔ)言模型

由公式2.15可看出，計(jì)算()的參數(shù)空間太大，時(shí)間復(fù)雜度太高，難以直接計(jì)算，一種可行的計(jì)算方法是使用n-gram進(jìn)行近似計(jì)算。n-gram是一種基于馬爾科夫假設(shè)的算法，假設(shè)一個(gè)詞出現(xiàn)的概率只與其前面n-1個(gè)詞有關(guān)，與其他單詞無(wú)關(guān)。即：(....

圖2-4CBOW和Skip-gram模型

圖2-4CBOW和Skip-gram模型[34]Figure2-4CBOWandSkip-grammodel[34]CBOW模型的訓(xùn)練目標(biāo)是在句子中，根據(jù)上下文來(lái)預(yù)測(cè)中心詞。該語(yǔ)言模是某目標(biāo)詞的上下文的詞對(duì)應(yīng)的詞向量，輸出是該目標(biāo)詞的詞向量。其目化對(duì)數(shù)似然函....

本文編號(hào)：4053806