發(fā)布時間：2024-06-30 04:50

　　隨著網絡時代的到來,互聯(lián)網上越來越多的信息提供給用戶,為用戶帶來了便利,同時,用戶也苦惱于如何從眾多的信息庫中切實有效地獲取有用的信息,進而滿足用戶的個性化需求。而推薦系統(tǒng)的出現(xiàn)恰巧可以滿足這些需求,為用戶提供個性化推薦,以此為人們的生活帶來較大的變化。目前,使用最廣泛的推薦算法是協(xié)同過濾算法,該算法依據用戶的歷史交互記錄,分析其偏好,為用戶推薦相似的項目。雖然傳統(tǒng)的推薦算法已經取得了不錯的推薦效果,但是考慮的信息不全面,未考慮融合其他輔助信息。而異質信息網絡恰恰可以基于元路徑進行推薦,這種方式利用多種類型的節(jié)點和節(jié)點之間的關系可以融合更豐富的信息。所以,本文試圖在異質信息網絡模型中從元路徑的視角出發(fā),運用深度學習技術研究推薦算法。本文的主要工作如下:(1)現(xiàn)有的基于異質信息網絡的推薦方法通過最大池化操作提取元路徑語義信息時,未考慮元路徑語義的整體性特征及特征冗余問題的影響。針對這些問題,提出了一種融合元路徑與改進協(xié)同注意力的推薦模型MICA(Research on Recommendation Fusing Meta-Path and Improved Collaborative A...

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【部分圖文】：

圖2.1推薦系統(tǒng)架構圖

圖2.1推薦系統(tǒng)架構圖推薦系統(tǒng)的一般架構如圖2.1所示，它首先收集用戶的行為數(shù)據,得到用戶的評分矩陣；再利用相關推薦引擎負責相關的特征與任務，再將推薦結果按照一定的優(yōu)先級排序形成初步的推薦結果；再將不好的結果進行過濾，若再將這些結果進行一些排名，如新穎性、多樣性排名,則可....

圖2.2聯(lián)系用戶和物品的推薦系統(tǒng)

圖2.2聯(lián)系用戶和物品的推薦系統(tǒng)1.基于內容的推薦基于內容[47]推薦算法建立在物品信息的基礎上。具體步驟為系統(tǒng)首先對行處理，以當當網為例，將書籍類型作為屬性，進行相似度計算，發(fā)現(xiàn)；然后將此書推薦給購買過類似該書的用戶。2.基于協(xié)同過濾的推薦協(xié)同過濾算法基本思想就是利用用戶和....

圖2.3基于協(xié)同過濾推薦算法的分類

2.基于協(xié)同過濾的推薦協(xié)同過濾算法基本思想就是利用用戶和物品之間的交互信息進行推薦。如圖2.3所示，協(xié)同過濾推薦算法分為兩大類：基于近鄰和基于模型的推薦算法�；�于近鄰的算法又分為基于用戶的和基于物品的，它根據評分矩陣分別計算用戶-用戶或物品-物品的相似度。兩者都有一定的優(yōu)勢，前....

圖2.4矩陣分解原理圖

東北師范大學碩士學位論文題一直都是推薦系統(tǒng)領域的關鍵問題。評分預測任務是一個矩陣補全的過程，其中矩陣分解技術就是其中最常用。它基于這樣的假設：以用戶-電影矩陣為例，該評分矩陣是稀疏的，利用想，可以用兩個矩陣相乘來還原它。即奇異值分解方法（SVD）將高維稀疏為兩個低維矩陣的乘積，分....

本文編號：3998409