【摘 要】
：
跨域推荐是致力于解决推荐系统冷启动问题的一类方法,核心思想是借助其它域中的知识为当前域的用户进行推荐。基于嵌入与映射的方法是一类可以利用重叠用户数据进行跨域推荐的方法。这类方法通常利用重叠用户在源域中丰富的交互行为进行偏好建模,然后将该偏好知识传递到目标域中。但此类方法并未考虑到用户目标域交互行为和源域交互行为的时序关系。另外,由于基于嵌入与映射的模型对重叠用户数据量的强依赖,会导致在用户交互数据
论文部分内容阅读
跨域推荐是致力于解决推荐系统冷启动问题的一类方法,核心思想是借助其它域中的知识为当前域的用户进行推荐。基于嵌入与映射的方法是一类可以利用重叠用户数据进行跨域推荐的方法。这类方法通常利用重叠用户在源域中丰富的交互行为进行偏好建模,然后将该偏好知识传递到目标域中。但此类方法并未考虑到用户目标域交互行为和源域交互行为的时序关系。另外,由于基于嵌入与映射的模型对重叠用户数据量的强依赖,会导致在用户交互数据过少时,模型的推荐性能大幅下降。针对用户目标域交互行为和源域交互行为的时序关系问题,使用分层注意力网络对用户偏好进行建模,兼顾用户的长期偏好与短期偏好。针对模型对重叠用户的强依赖问题,为提高模型处理冷启动任务的能力,设计面向任务的元网络,使用元学习算法对模型进行训练。提出了一种新的基于分层注意力网络与元学习的跨域推荐模型（Hierarchical Attention Network and Meta Learning based Cross-Domain Recommendation Model,HAMCDR）,提高模型处理冷启动任务的能力。另外,根据所基于的元学习算法的不同,给出了两个不同的模型,即HAMCDR-M模型和HAMCDR-R模型。在亚马逊评分数据集和豆瓣数据集上构建了五个跨域推荐场景,将HAMCDRM和HAMCDR-R模型和现有的模型在各个场景上进行对比分析。实验结果表明,在每个跨域推荐场景上,HAMCDR-M模型和HAMCDR-R模型均表现出更高的性能。
其他文献
随着显示技术的不断发展,人们对显示器件的画质、刷新率和便携性等有了更高的要求,其中柔性有源矩阵有机发光二极管（AMOLED）显示等技术逐渐成为产业和研究关注的热点,为了实现可靠的弯折性能和优质的显示质量,聚酰亚胺（PI）薄膜成为了现阶段柔性显示中衬底材料的最优解。本文从制备工艺和电学及光学性能的角度出发对用于柔性显示的聚酰亚胺基板进行研究。（1）研究不同种类的聚酰亚胺基板的工艺制备,包括无色透明聚
近年来,红外探测器小、微型的发展趋势使得其内部的焦平面阵列像元尺寸不断减小。为了保证红外探测器灵敏度和光信号收集效率,目前最常用的技术就是微透镜阵列集成工艺。利用微透镜阵列的聚光性,可以将入射到探测单元的光线全部收集到光敏区内,大大提高了光能利用率的同时还可以减少像元之间的串扰。本文从聚光型微透镜阵列出发,针对激光探测领域,研究了可集成于盖革模式APD探测器的微透镜阵列,通过提高红外焦平面填充因子
随着全球数据总量的爆发式增长,数据去重和差量压缩作为当前主流的冗余数据删除手段,得到了越来越多的关注。为了提高差量压缩的压缩效果,相似性检测技术常常被用于差量压缩对象的选取。然而,目前主流的相似性检测方法存在着特征提取速率慢和相似数据检测不充分等问题,成为了联合数据去重和差量压缩的冗余数据删除系统的性能瓶颈。为了解决现有的相似性检测方法存在的特征提取速率慢的问题,提出了基于高级矢量扩展512（Ad
通过在边缘部署存储服务,将云端的数据存储在边缘,以允许终端设备高速访问这些数据,从而降低数据访问的延迟。但在边缘环境中,边缘服务器的内部复杂机制、用户与边缘服务器的距离不同以及动态网络都会对系统的服务质量产生影响。副本选择策略作为一种广泛使用的提高系统服务质量的请求调度方法,通过为请求选择延迟最低的边缘服务器,能够有效降低每个请求的处理时延。然而,现有的基于客户端的分散选择方法因其缺少完整的服务器
核磁共振（NMR）技术是获得生物大分子的结构和功能动态信息的最具潜力的方法之一,特别是在以原子分辨率测量生物大分子的结构和动力学信息方面,但是这一方法的发展受限于核磁共振技术固有的灵敏度较低,难以对浓度较低的蛋白质进行研究。为了提高液体环境下核磁共振技术灵敏度,增强样品的信号强度,本课题研制了一套激光诱导动态核极化实验装置,利用该装置可以在低样品浓度下（微摩尔级别）增强样品的核磁共振信号,有望实现
随着web3.0时代的到来,新闻门户、今日头条和微博等信息发布平台取代了传统媒体。任何用户都可以在这些平台发布和获取信息,造成网络新闻文本数据爆炸增长。来自社交媒体的网络短文本数据沉淀了极具社会价值的信息,但短文本存在口语化、缺失语义和指代不明等问题。如何从海量短文本中实时发现当前最具价值的话题成为了舆情发现系统的难点。针对传统的舆情发现系统在处理短文本时存在文本向量语义缺失、话题发现效果较差的问
增材制造工艺的不断发展给传统制造业的生产模式与生产效率带来了革命性的变化,表面缺陷检测作为增材制造质量检测的关键手段成为增材制造技术研究热点。为了避免当前打印层的缺陷影响后续的零件成形质量,本文利用三维点云数据和深度学习技术,检测出电弧增材制造零件生产过程中的表面缺陷,从而为后期的缺陷处理方案提供重要的参考依据。本文主要有以下点云数据预处理和基于深度学习的表面缺陷检测两方面的研究内容:针对传统点云
知识表示学习是用于知识图谱补全的重要技术。翻译模型作为知识表示学习的代表模型,因其参数少且容易解释,被广泛应用于大规模知识表示学习中。近几年,为了克服翻译模型孤立地考虑各个三元组的缺点,实体的邻居信息被引入到翻译模型中。然而现有模型缺乏合理的邻居选择策略,导致开销过大且容易引入噪声,或者容易遗漏重要邻居。同时,现有模型忽视了邻居作为实体也具有多种属性,只能为每个邻居确定一个固定的权重,无法为邻居中
使用计算型存储设备加速SQL查询是一种有效的途径。由于当前计算型存储设备的处理能力有限,现有方案通常将能明显减少数据移动的过滤算子卸载到计算型存储设备中,然而将所有SQL查询中的过滤算子交由计算型存储设备直接处理会导致较差的性能。针对上述问题,提出了基于表数据特征的过滤算子动态卸载与执行优化（Dynamic Offloading and Execution Optimization,DOEO）方案
图像传感器作为现代光机电系统的核心部件,与其他尖端光机电设备联用可以对图像数据实时采集、处理和传输来反馈控制光机电系统。然而,使用图像传感器进行图像采集时,目前主要还是以人工调焦为主,导致调焦精度和效率较低。此外,现有的图像传感器控制软件大多只支持单一设备的控制,无法直接与其他设备进行联用,造成数据通信效率低下。针对这些问题,本文探索了自动聚焦算法中的聚焦评价函数和聚焦搜索算法两大关键技术,在此基