【摘 要】
：
在数据规模呈指数式增长的时代,信息过载成为亟待解决的问题。推荐算法能够根据用户兴趣,从海量数据中挖掘出满足用户需求的信息。其中协同过滤是目前研究最广泛的推荐算法,但是其面临着数据稀疏和冷启动问题,随着深度学习的广泛应用,将深度学习和推荐算法相结合是新的研究方向。针对数据稀疏问题和冷启动问题,本文提出了深度学习和协同过滤相结合的推荐算法。本文主要研究内容如下。首先针对Top-N推荐算法中冷启动问题,
论文部分内容阅读
在数据规模呈指数式增长的时代,信息过载成为亟待解决的问题。推荐算法能够根据用户兴趣,从海量数据中挖掘出满足用户需求的信息。其中协同过滤是目前研究最广泛的推荐算法,但是其面临着数据稀疏和冷启动问题,随着深度学习的广泛应用,将深度学习和推荐算法相结合是新的研究方向。针对数据稀疏问题和冷启动问题,本文提出了深度学习和协同过滤相结合的推荐算法。本文主要研究内容如下。首先针对Top-N推荐算法中冷启动问题,本文提出了融合深度学习模型和NAIS模型（Neural Attentive Item Similarity）的Top-N推荐算法（简称DL-NAIS）。该算法在特征抽取时通过深度学习模型（包括卷积神经网络、多层感知机和全连接层）引入辅助信息更好的获得物品的隐藏特征,同时通过NAIS模型利用用户的历史交互物品更好的构建用户的隐藏特征向量,最后使用获得的物品和用户隐藏特征向量预测用户对物品的偏好概率。其次针对推荐算法中的数据稀疏性问题,本文采用深度学习模型结合显示反馈和隐式反馈的方法,提出了融合矩阵分解和Neu Rec模型的评分预测推荐算法MF-Neu Rec。该算法分别使用基于用户和基于物品的Neu Rec算法提取用户和物品在隐式反馈数据下的特征向量,然后将获得的用户和物品特征向量按照一定的比例,分别与在显示反馈数据下使用矩阵分解算法获得的用户和物品特征向量相融合,最后使用获得的物品和用户特征向量预测用户对物品的评分。最后在Movie Lens 1M公开数据集上对本文提出的DL-NAIS算法进行验证,采用HR和NDCG来评估推荐性能,与基线方法相比,DL-NAIS算法的各项指标都有了较大的提升;在Movie Lens 1M和Movie Lens 100k数据集上对本文提出的MF-Neu Rec算法进行验证,采用RMSE评估评分效果,实验证明MF-Neu Rec算法提高了评分预测的准确性。
其他文献
文本生成图片是计算机视觉领域一个重要的研究方向,根据文本描述中的语义关系,通过图像生成器合成一张与语义相关的图片,这是一个跨模态的交叉性任务。本文在实现文本生成图片的实验中做了以下工作:（1）利用Skip-Thoughts中的编码器将输入文本描述编码成为文本特征向量。随机噪声z和文本特征向量通过全连接层来连接在一起作为条件输入到生成网络中,而判别网络需要对生成器生成的“伪”图像、真实图像及其相匹配
在互联网深入普及和视频信息被高度重视的今天,人们对于具有低延迟、大容量、高性能特点的智能视频分析系统有迫切需求。视频理解技术逐渐成为计算机视觉领域的研究重点与热点,并在安全生产、视频推荐和直播内容审核等多个领域发挥重要作用。针对实际场景中的视频行为识别问题,本文在深度学习卷积神经网络基础上,主要从以下三方面进行了研究:首先,针对局部时序信息在描述持续时间较长的复杂动作上的不足,提出基于注意力机制的
随着智慧交通、3D虚拟技术以及空间地理信息系统的广泛使用。高效的数据查询处理技术便成为了广大学者的研究热点。在查询空间存在障碍对象的情况时就涉及到了可视查询研究。现有的可视近邻查询算法都是在二维空间内进行研究,若将其直接应用在三维空间中的可视查询研究时会造成查询结果错误。针对这一问题,本文分别给出了基于范围-关键点的可视k近邻查询算法和三维空间中基于范围查询的可视反k近邻查询算法,并对两种查询算法
孤独症谱系障碍（Autism Spectrum Disorder,ASD）的社会交往障碍的一个主要表现是面孔加工异常。本文基于眼动追踪技术从手动划分兴趣区和自动划分兴趣区两个方面对ASD儿童的非典型面部扫描模式进行分析,并进行特征选择和分类。首先,设计了基于静态面孔的眼动实验范式,并采集了85名3-6岁ASD儿童眼动及行为数据和性别年龄相匹配的89名正常儿童的眼动数据。其次,在基于手动划分兴趣区的
图像自动标注是计算机视觉领域内的一个研究热点。互联网的快速发展,使得网络图片数量激增,传统的图像检索技术已无法为人们提供方便快捷的服务。近几年,兴起了一种基于语义的图像检索技术,图像自动标注在该技术中发挥着重要作用。本文就如何对图像进行更加有效的自动标注这一问题进行了深入研究。首先,针对当前图像自动标注算法存在的两个缺点:（1）模型不具有迁移性;（2）特征融合能力不够强。本文提出了一种基于加权多视
随着机动车数量迅速增长,城市交通体系面临着严峻的挑战。智慧交通在提高运输效率,减少交通安全隐患等方面发挥出重要作用,从而受到了广泛的关注。车辆检测技术是智能交通系统的基础问题之一。深度学习的出现,使基于卷积神经网络的车辆检测算法得到了进一步的发展。但由于现实交通中场景复杂多变、车辆尺度多样、光照变化以及遮挡等因素的影响,车辆检测算法的性能还有待提高。本文围绕基于深度学习的车辆检测方法进行研究,具体
单幅图像的多尺寸目标检测方法,即针对传统尺寸目标的检测方法及针对小目标的检测方法。目标检测是计算机视觉和数字图像处理领域重要的研究方向之一,是目标跟踪、动作识别等高层次视觉任务的基础。然而,由于真实场景的复杂性,现有的目标检测方法存在实时性与准确性无法兼容以及无法对小目标给出正确识别结果等不足。针对现有目标检测方法存在的不足,结合深度学习思想以及有监督学习思路,设计了提高目标检测方法实时性和准确性
本文深入分析亚马逊平台目前的情况、工艺品商品在此平台销售面临的机会和威胁，以工艺品传统外贸企业T公司为研究对象，通过对其在亚马逊平台销售现状和面临的各种问题进行分析，提出对策和建议，以期能为同行业卖家提供一定的参考和借鉴。
在计算机图形学领域,模拟具有真实感的流体一直都是热门话题。雾作为流体模拟中的常见部分,广泛存在于日常生活中。如何模拟不规则的雾成为流体仿真领域的研究重点。随着技术发展,雾效可应用至游戏特效、电影处理、航空航天等诸多领域。针对模拟雾效存在基于经验模型的真实感差以及基于物理模型难以实时的问题,提出一种混合雾效算法,在实时基础上,逼真地模拟出多种类雾效。首先,采用基于经验模型的方法绘制大规模基础雾,针对
随着世界人口数量的不断增长,各国踩踏事件不断频发,人群计数已经在智能监控、公共环境安全等领域发挥着越来越重要的作用。但是由于背景复杂、人群遮挡等因素,人群计数精度还不能满足实际需求,因此如何获得更好的人群计数精度已经成为人群计数领域亟待解决的问题。在对国内外研究现状进行综合分析的基础上,结合已有人群计数方法的优缺点,利用深度学习等相关知识,对如何获取更好的人群计数结果进行了深入研究。首先,分析人群