版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、推薦系統(tǒng)作為一種信息過濾工具誕生至今已有20余年,推薦算法的應(yīng)用場景亦早已不限于電商領(lǐng)域,轉(zhuǎn)而在諸多關(guān)聯(lián)人和信息的領(lǐng)域發(fā)揮作用。早期的推薦算法多采用單一的用戶物品交互數(shù)據(jù),基于上下文信息的推薦算法致力于通過額外場景信息的引入來對傳統(tǒng)推薦算法進行改良。受神經(jīng)網(wǎng)絡(luò)和矩陣分解算法普及的影響,特征表示的算法日新月異。本文致力于通過基于上下文的特征表示,在隱式反饋數(shù)據(jù)上引入上下文信息以提升推薦精度,具體包括三方面工作:
歸納總結(jié)并實現(xiàn)常
2、見的基于特征表示的推薦模型。具體地,針對引入了上下文的隱式數(shù)據(jù)推薦場景,改進并實現(xiàn)矩陣分解和因子機算法;因推薦中神經(jīng)網(wǎng)絡(luò)模型應(yīng)用較少,且一般只使用單一評分數(shù)據(jù),設(shè)計了一種可引入多源特征數(shù)據(jù)的DeepRec算法。
在隱因子模型基礎(chǔ)上,提出一種基于上下文信息的矩陣分解方法(CAMF)。建模非線性的特征交互關(guān)系,同時又緩解數(shù)據(jù)稀疏性。引入按對排序?qū)W習框架,更加貼近基于隱式反饋數(shù)據(jù)的Top-K推薦場景,提升相關(guān)推薦算法性能。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于特征表示的人臉識別算法研究.pdf
- 基于特征稀疏表示的多行人跟蹤算法研究.pdf
- 圖像特征表示的學習算法研究.pdf
- 基于稀疏表示的人臉特征提取與識別算法研究.pdf
- 基于主題特征的情感分類及推薦算法研究.pdf
- 基于成對約束和稀疏表示的特征選擇算法研究.pdf
- 基于多層次特征表示的場景圖像分類算法研究.pdf
- 基于局部特征的協(xié)同稀疏表示人臉識別算法研究.pdf
- 基于局部稀疏表示以及特征選擇的目標跟蹤算法研究.pdf
- 基于多特征異構(gòu)超圖的圖像推薦算法研究.pdf
- 基于資源特征的協(xié)同過濾推薦算法研究.pdf
- 圖像稀疏恢復的特征表示算法研究.pdf
- 基于Mahout的推薦系統(tǒng)實踐及算法改進.pdf
- 基于項目特征模型的協(xié)同過濾推薦算法研究.pdf
- 基于多特征排序模型的網(wǎng)絡(luò)課程推薦算法研究與應(yīng)用.pdf
- 基于特征向量的個性化推薦算法研究.pdf
- 基于知識情境的項目知識表示與推薦方法研究.pdf
- 基于稀疏表示和特征提取的人臉識別算法研究.pdf
- 基于多特征的社交活動推薦算法研究.pdf
- 基于稀疏表示的視覺跟蹤算法研究與實現(xiàn).pdf
評論
0/150
提交評論