【摘 要】
:
推荐系统是解决信息过载问题的关键技术,推荐的重点在于预测用户偏好和拓宽用户视野。现有的推荐方法主要利用直接反映用户偏好的显式反馈信息或间接反映用户偏好的隐式反馈信息进行推荐。然而,显式反馈的推荐模型,一般无法考虑用户对打分机制的宽容度差异,在一定程度上会造成数据误差,从而影响推荐结果。因此研究者开始利用隐式反馈信息,但是在使用隐式反馈时,经常忽略那些用户不浏览或不点击的隐式负反馈数据,这类数据信息
论文部分内容阅读
推荐系统是解决信息过载问题的关键技术,推荐的重点在于预测用户偏好和拓宽用户视野。现有的推荐方法主要利用直接反映用户偏好的显式反馈信息或间接反映用户偏好的隐式反馈信息进行推荐。然而,显式反馈的推荐模型,一般无法考虑用户对打分机制的宽容度差异,在一定程度上会造成数据误差,从而影响推荐结果。因此研究者开始利用隐式反馈信息,但是在使用隐式反馈时,经常忽略那些用户不浏览或不点击的隐式负反馈数据,这类数据信息为更稠密,可以间接挖掘用户的隐藏偏好,缺点是不易获取,也更容易包含噪声数据。近年来,图卷积网络因其强大的建模能力得到了迅速发展,通过表征学习可以有效聚合用户与项目交互数据中一阶邻居信息。但是,目前大部分推荐模型直接继承了图卷积网络的复杂设计(如特征变换,非线性激活等),模型结构较为复杂,训练参数量大,并且大多缺少对用户与项目之间高阶交互特征的建模。为了解决上述问题,本文提出了一种融合社交关系的轻量级图卷积协同过滤推荐模型(Lightweight Graph Convolutional Collaborative Filtering Recommendation Approach Incorporating Social Relationships,called for F-Light GCCF)。提出的模型在嵌入层通过图嵌入技术将用户、项目、朋友信息映射到低维稠密的向量空间,缓解了数据稀疏性对模型推荐结果带来的消极影响。在图卷积层通过堆叠三层图卷积层学习用户社交关系图的拓扑结构(即用户-项目-朋友高阶连接图)从隐式负反馈中产生一系列的间接反馈,通过分析用户行为和朋友亲密度间接捕获隐式负反馈,扩充了训练数据,提高了隐式负反馈的利用率。融合图注意力网络来衡量邻居的贡献值,为其自适应的动态分配权重,能够过滤噪声邻居使其具有鲁棒性,有助于选择最相关的信息,而不是所有可用的信息。此外,模型简化了图卷积层的复杂设计,摒弃了标准图卷积神经网络中特征变换和非线性激活的设计,降低了模型的训练难度,提高了模型性能。模型预测层设计了分层聚合机制将图卷积层学习到的多个嵌入向量加权聚合,并引入注意力机制自动学习第l层嵌入向量的重要程度,最后采用内积函数计算用户与项目之间的关联分数。通过在Gowalla数据集和Yelp2018数据集上开展实验,实验结果表明本文所提方法的推荐效果优于当前的推荐算法,结果验证了方法的可行性。与此同时,本文模型在Recall@k、Precision@k、NDCG@k指标上均显著优于其他基线算法,证明了模型设计的合理性。该论文有图41幅,表6个,参考文献99篇。
其他文献
随着信息技术的飞速发展,推荐系统在各种流媒体网站和电子商务平台中应用广泛。现有的推荐系统大多数根据用户的身份信息和长期的历史行为给出个性化推荐。然而,许多应用程序并没有关于用户身份信息和长期历史数据。基于这种情况,传统的推荐算法将不再适用。因此基于会话式推荐系统(Session-based Recommender System,SRS)应运而生,通过用户在当前会话序列中的点击行为给出有效的推荐结果
培养学生统计思维已成为当前国际统计教育讨论的焦点,而教材作为主要的教学资源是培养统计思维的重要载体。采用定量与定性分析结合的方法,基于统计活动视角比较分析人教A版、北师大版、湘教版三版高中新数学教材呈现的统计思维水平和复杂性发现:三版教材都重视“提出统计调查问题”“分析数据”“解释结果”过程,但在“收集或考虑数据”过程提供的学习机会较少;各过程下不同水平的统计思维均有呈现,但水平分布不均衡;都比较
当前,对“跨学科学习”的关注度越来越高。在实践中,教师应立足学科本位,实施跨界学习,促使跨学科教学能力的提升。其间,需要经历多重环节:进行语文单元内重组和跨单元重组的萌芽阶段,基于“学科+”的组合、整合、融合的发展阶段,跨越虚拟与现实、课堂与生活的高级阶段。
分类树由机器可解释的语义组成,为许多web应用程序提供了有价值的知识。分类树已被广泛应用于各个领域,特别在电子商务领域中起着至关重要的作用,用于推荐、浏览和查询理解。例如,在线零售商(如亚马逊)使用分类树进行产品推荐,而网络搜索引擎(如百度)利用分类树来增强查询理解。由于手工构建分类树需要付出巨大的人力代价,并且在构建过程中存在较多主观的因素,因此分类树的质量参差不齐。同时,随着web内容量的快速
光流估计是计算机视觉的核心问题之一,在行为识别、视频编辑、自动驾驶等方面都有着广泛的应用。光流表征着三维空间中运动对象在投影面上像素位移的瞬时状态。传统光流估计方法以变分法为基础,但这类方法的准确率与实时性较低。近年来,基于深度学习的光流估计方法凭借实时性高、结果精确等优点,已成为光流研究领域的主要研究热点。目前,现有基于深度学习的方法缺少视频帧间相关度的分析与利用,为此提出一种基于视频帧间相关度
《义务教育语文课程标准(2022年版)》提出了跨学科学习任务群,要求教师引导学生在语文实践活动中,联结课堂内外,使学生获得全面发展。本研究通过设计新型教学实验课,让学生自主进行课题研究,培养其综合运用多学科知识发现、分析、解决问题以及运用语言文字的能力,并通过问卷调查法和访谈法收集学生能力发展情况及自我同一性建立情况,证明学生通过跨学科学习可以有效提高记忆留存度、提高元认知策略发展及学生学习意愿。
卡通是一种流行的艺术形式,日常生活用于数字娱乐、游戏甚至是在人们的社交账户简介中使用。现代卡通动画工作允许艺术家使用各种来源来创作内容。现实中许多著名的作品是通过将真实世界的照片转化为可用的卡通场景材料而创作的,这一过程被称为图像卡通化。目前基于深度学习的图像卡通风格化方法因计算量过大、执行效率低而无法在实际应用中得到广泛推广。另外卡通图片是将真实世界的照片进行高度简化和抽象,这与其他形式的艺术作
基于深度学习的单图像超分辨率重建方法已经比较完善,重建图像具有较高的客观评价值或具有较好的视觉效果,例如ESRGAN能够还原出符合人眼视觉效果的图像,但是重建过程中虚构出部分高频信息,使得客观评价指标较低。ESPCN重建图像使用亚像素卷积层对高分辨率信息进行恢复,更符合峰值信噪比和结构相似性的评价,具有较高的客观评价指标值,但是高频信息和低频信息的区分度、融合处理不够合理,整体细节较为模糊,视觉感
近年来,随着GPS定位和移动网络技术的不断发展以及智能设备的普及和应用,出现了大量包含位置信息和文本信息的空间-文本对象,使得基于位置的服务(Location Based Service,LBS)得到了广泛应用。带有位置和文本信息的空间-文本数据的规模迅速增长,以空间-文本数据为背景的空间关键字查询技术是基于位置服务系统的重要支撑技术,使得其成为空间数据库和信息检索领域的研究热点。集合空间关键字查