多任務(wù)學(xué)習(xí)技術(shù)在混合推薦中的應(yīng)用研究與實現(xiàn).pdf

1、互聯(lián)網(wǎng)內(nèi)容和商業(yè)化的不斷發(fā)展，一方面帶給用戶方便的娛樂、消費方式，另一方面也帶給了用戶嚴重的信息過載問題。用戶受困于過量的信息、過量的商品選擇，將要花費更多的時間來瀏覽備選信息，卻有可能因為受限的信息處理能力做出更差的選擇。搜索引擎在一定程度上緩解了信息過載，但需要用戶非常明確的知道自己的選擇，并不能幫助用戶做決策。推薦系統(tǒng)正是為了幫助用戶決策而產(chǎn)生。
　　 本文主要對如何提升推薦系統(tǒng)的預(yù)測準確性進行深入研究。我們將此處的混合推

2、薦定義為多個推薦預(yù)測器的混合，本文認為，因為不同預(yù)測器模型的基本假設(shè)和側(cè)重點不同，將他們混合將有助于最終的預(yù)測性能。首先我們建立多個經(jīng)典協(xié)同過濾算法模型，并且根據(jù)特定應(yīng)用環(huán)境進行時效擴展，之后將這些算法模型進行統(tǒng)一的、用戶無關(guān)的混合。觀察到這相較于獨立預(yù)測器有性能提高，但是對于不同用戶性能差異很大。于是我們提出利用多任務(wù)學(xué)習(xí)機制，充分考慮不同用戶的個性特征，建立起用戶相關(guān)的混合模型，主要表現(xiàn)為對于不同用戶具有不同的預(yù)測器權(quán)重向量。為減少