首页> 中文学位 >使用深度学习方法的推荐系统
【6h】

使用深度学习方法的推荐系统

代理获取

目录

List of Acronyms

Mathematical Notation

Chapter 1Introduction

1.1Recommender System

1.2Motivation

1.3Challenges

1.4Objectives

1.5Matrix Factorization

1.6Artificial Neural Network

1.7Deep LearningModels

Chapter 2Foundation forAutoencoder

2.1Model of Autoencoder

2.2Training

2.3Backpropagation

2.4Relationship between MF and Autoencoder

Chapter 3SideInformation

3.1Notations

3.2Method

3.3Conclusion

Chapter 4Stacked Denoising Autoencoderswith MF (SDAM)

4.1SDA

4.2Formulation of problem

4.3Training SDAM

4.4Experimental Results

Conclusion

参考文献

声明

致谢

Resume

Appendix A:Tables

展开▼

摘要

带有隐式反馈的的协同过滤是推荐系统中最流行的方法之一。带有隐式反馈的的协同过滤可以大致分为两类:基于逐点回归和基于成对排序的方法。隐式反馈通常非常稀疏,导致基于协同过滤的推荐性能大大降低。在这种情况下,使用堆叠去噪自编码器抽取出来的边信息,被引入用来解决数据稀疏问题。然而,从边信息中由主题模型学习到的潜在的特征表示当数据过于稀疏时可能不是那么有效。因此,矩阵分解(MF)和堆叠去噪自编码器(SDA)被一起用来解决这个问题,整个模型称之为SDAM。SDAM是紧密耦合的逐点方法,将项目内容的深度特征表示利用到一个逐点排序模型的贝叶斯框架中。在一个真实数据集上的实验分析表明,我们的方法在不同稀疏程度下的召回指标上优于另外两种著名的方法。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号