【摘 要】
：
推荐算法是利用用户的一系列行为,并通过相关算法,推荐出用户可能喜欢的产品。它已逐渐深入到社会生活的潮流中,人们熟悉的抖音、淘宝、豆瓣、网易云,美团等应用软件就是基于推荐算法开发的。实际上,传统的推荐算法难以满足日益增加数据和用户需求,且存在着数据稀疏、冷启动、兴趣偏移、特征工程等问题,导致推荐的效果不佳,具有很大的局限性。本文主要针对传统算法中的数据稀疏和兴趣偏移问题提出解决方法,并利用深度学习技
论文部分内容阅读
推荐算法是利用用户的一系列行为,并通过相关算法,推荐出用户可能喜欢的产品。它已逐渐深入到社会生活的潮流中,人们熟悉的抖音、淘宝、豆瓣、网易云,美团等应用软件就是基于推荐算法开发的。实际上,传统的推荐算法难以满足日益增加数据和用户需求,且存在着数据稀疏、冷启动、兴趣偏移、特征工程等问题,导致推荐的效果不佳,具有很大的局限性。本文主要针对传统算法中的数据稀疏和兴趣偏移问题提出解决方法,并利用深度学习技术的优势缓解数据稀疏性问题。同时,结合时间因素捕捉用户的偏好,解决用户的兴趣偏移问题。论文的主要内容如下:1.针对传统推荐算法存在的数据稀疏性问题,充分挖掘用户项目和评分特性,提出了一种基于半自动编码器和多层感知机的混合深度推荐算法（Hybrid Semiautoencoder and multilayer perceptron,HSAEM）。由于用户评分数据较为稀疏,该算法先通过半自动编码器并融合相关辅助信息分别获取用户和项目的深层次特征。针对协同过滤方法中采用的简单内积交互方式无法学习到用户与物品之间复杂的非线性结构特征问题。该算法使用多层感知机机对提取的深层次特征进行非线性融合,完成最终的评分预测。HSAEM算法将深度学习中的半自动编码器和多层感知机模型有效结合,实验结果表明,该算法的实验数据表现优异,充分证明该算法能够缓解数据稀疏性问题。2.HSAEM推荐算法中借用用户、项目、评分捕捉用户对项目的偏好,默认用户偏好是不变的,针对算法中被忽略的用户兴趣偏好迁移问题,设置时间权重函数,表示用户对项目的兴趣衰减程度,并将其融入到相似度和评分预测中,重新构建用户偏好矩阵。然后将构建好的用户偏好矩阵模型与基于半自动编码器和多层感知机的混合模型融合完成最终的推荐。融合时间权重的混合深度推荐算法,既能用于捕捉用户兴趣变化,又可以利用HSAEM混合模型缓解数据稀疏性问题。实验表明,引入了时间的算法比没有引入时间的算法的效果好,说明了时间因素能够提高推荐的质量。图[27]表[6]参考文献[66]
其他文献
随着人类社会文明的进步,矿产资源的开发逐渐成为了人类生产和生活的基本源泉,由于长时间、大规模、高强度的进行资源开采,不可避免的造成了诸多环境问题。土地复垦逐渐成为治理矿区环境的重要手段,其中复垦土壤的水分含量情况是判断复垦效果的重要指标。因此,快速、精准、无损的探测复垦土壤含水率分布情况对复垦农业水资源管理、复垦效果监测以及复垦农田水文研究具有重要意义。探地雷达不仅是一种地球物理技术,而且逐渐演变
土壤水分是生态系统循环的关键变量之一,在干旱预警、作物估产和水文模拟等方面都至关重要。准确的实时监测某一区域土壤水分变化,对理解该区域大气与地表两者间能量转换等科学研究具有重要意义。与传统测量方法相比,遥感技术具有高时空分辨率的特点,在大范围监测土壤水分领域展示了巨大的应用潜力。尤其是主动微波遥感不仅具备全天时全天候的观测能力,还能穿透植被层和土壤表面,通过对土壤介电常数的高度敏感性获取大范围土壤
采煤沉陷水域水资源是研究沉陷水域环境和生态治理的关键要素之一,是矿区水生态治理的重要数据,沉陷水域水资源的快速勘测对水文、水资源经济和生态等领域具有重要意义。传统的船载声呐水资源勘测技术在浅水区域勘测效率低,工作量大,成本高。遥感水资源反演技术具有时效高,成本低等特点,是目前主要的水资源勘测补充技术。本文针对采煤沉陷水域水资源勘测技术展开研究,主要研究遥感水资源反演技术的适用性,利用Sentine
在项目建设前，相关人员需要根据《环境影响评价分类管理名录》，做好环境影响评价报告编制的相关工作；项目建设后，需根据环评批复进行环保工程建设，并使各项工作满足相关要求。各项环境项目都需要得到批准并满足所有环境指标的要求。基于此，本文对环境影响评价与环境工程的实践研究进行深入地分析与探究。
图像去噪是图像处理的一个关键步骤,一直是学者们研究的重点。图像去噪解决的问题是如何在保留图像真实信号的情况下更好的消除图像中的噪声信息。近些年,小波阈值和非局部均值去噪算法因其优异的去噪性能吸引了许多关注。因此以这两种方法为研究对象,本文的研究包含以下内容:（1）提出一种CALE阈值函数的小波去噪算法。首先提出了一种新阈值,新阈值会随着分解层数的变化选取更符合噪声系数的阈值,接着提出了一个连续型低
事件是人类存储记忆和进行逻辑思维活动的基本知识单元,其相关研究在哲学、语言学、人工智能等相关学术领域愈发受到重视。面向事件研究可以为知识图谱、事件分析、搜索引擎、推荐系统等专业研究和具体应用提供支撑和服务。本文对面向事件研究中事件要素识别和事件关系分类两个方向进行了研究,并针对以往研究存在和研究过程发现的一些问题,提出了解决方法,具体包括:（1）基于双维注意力和动态目标模型的事件要素识别研究。针对
业务流程预测是业务流程管理中对记录流程的事件日志进行分析并预测正在执行的业务流程,近年来深度学习在业务流程预测中越来越多的被应用,主流的方法是将流程看作自然语言处理中的序列,利用循环神经网络RNN和LSTM学习类似单词序列的语义,从而获取流程的语义。这些方法受限于RNN类神经网络的缺点且未能很好的利用流程中活动与活动之间的行为关系以及流程的图特征,所以本文提出基于深度学习的流程感知业务流程预测方法
现如今,信息技术的发展日新月异,海量的数据不断涌现在模式识别、机器学习等领域。这些原始数据由于更新速度快,维数高、结构复杂以及冗余信息多等特性,导致其存储困难、数据计算量大等一系列问题。目前,维数约简是解决这些问题的有效方法之一。维数约简不仅能够降低原始高维数据的维数,使数据易于存储,还能够发现隐藏在高维数据中的内在规律与联系。局部保持投影是维数约简方法中的典型代表,在降维的过程中能够很好地保留原
土壤是由气候、母质、生物、地形、时间等自然因素共同作用的产物,是人类生活和动植物生长的重要基础资源,对人们的生产生活至关重要。而随着自然因素与人为活动的影响,土壤属性具有复杂的空间异质性和非平稳性。土壤p H是土壤质量的重要指标之一,研究土壤p H的时空分布特征及其影响因素,对于土壤质量管理、土壤养分持续利用具有重要意义。本文以安徽省为研究对象,利用全国第二次土壤普查数据（1980s）和《中国土系