基于興趣和神經(jīng)網(wǎng)絡(luò)的個(gè)性化情景推薦模型研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展和海量數(shù)據(jù)的挑戰(zhàn)，如何對(duì)混亂無(wú)序的信息進(jìn)行處理，面對(duì)互聯(lián)網(wǎng)海量數(shù)據(jù)，用戶(hù)對(duì)信息的獲取方式從搜索引擎變更到推薦系統(tǒng)，如何將用戶(hù)最關(guān)注最需要的信息進(jìn)行展現(xiàn)，成為亟需解決的問(wèn)題，基于此，推薦系統(tǒng)應(yīng)運(yùn)而生。隨著推薦系統(tǒng)的研究和發(fā)展，國(guó)內(nèi)外學(xué)術(shù)界、工業(yè)界中投入和推出推薦系統(tǒng)的研究與競(jìng)賽，推動(dòng)推薦系統(tǒng)研究的標(biāo)準(zhǔn)化發(fā)展。但是目前推薦系統(tǒng)存在諸如冷啟動(dòng)、數(shù)據(jù)稀疏、特征選擇、興趣漂移等問(wèn)題，為此本文提出基于神經(jīng)網(wǎng)絡(luò)的詞向量表示融合用戶(hù)興趣

2、進(jìn)行建模。本文的主要工作和貢獻(xiàn)主要概括為:
　　一是對(duì)于用戶(hù)興趣建模時(shí)使用的表示方法及其優(yōu)缺點(diǎn)，針對(duì)其特征選擇和特征表示問(wèn)題提出采用基于神經(jīng)網(wǎng)絡(luò)的詞向量表示方法對(duì)用戶(hù)興趣進(jìn)行建模，通過(guò)實(shí)驗(yàn)表明采用詞向量的表示方式能有效表示用戶(hù)興趣，比傳統(tǒng)表示方法提高在30％以上，突出用戶(hù)項(xiàng)目信息，更具有語(yǔ)義解釋性;
　　二是根據(jù)詞向量來(lái)挖掘用戶(hù)的隱藏興趣，將推薦系統(tǒng)中用戶(hù)-項(xiàng)目的二元模式轉(zhuǎn)換成用戶(hù)-興趣-項(xiàng)目的三元模式。首先通過(guò)經(jīng)典主題模型