關(guān)于我們
書單推薦
新書推薦
|
社交推薦中的用戶相似度優(yōu)化研究
本文通過對推薦系統(tǒng)中用戶相似度的設(shè)計優(yōu)化,解決了目前推薦系統(tǒng)中確定的數(shù)據(jù)無法準(zhǔn)確描述人類模糊性情感的問題展開。推薦系統(tǒng)中相似度研究的最高目標(biāo)是盡可能的模擬人對研究對象的主觀感受,從工程角度來說是模擬同主觀認(rèn)知盡可能一致的客觀相似度組合模型。主觀尋找相似用戶的過程可分為感知、理解和評價三個階段,基于此,本文提出了一種符合主觀特點的客觀相似度組合模型框架,主要工作圍繞三個階段展開如下:本文從代表性的相似度算法分析入手,分析影響用戶評分行為的相似性因素。同時,針對目前確定性數(shù)值化評分無法精準(zhǔn)描述主觀模糊判斷的問題,采用三角模糊數(shù)的手段對主觀情感模糊化,更貼近人類非確定的表達(dá)習(xí)慣。并提出了新的用戶評分相似度,實現(xiàn)了用戶相似性多角度模糊感知工作。其次,針對數(shù)據(jù)稀疏性和冷啟動等問題,本文引入外部屬性數(shù)據(jù)在局部感知用戶評分相似性的基礎(chǔ)上全局理解用戶相似度,最后設(shè)計出具有因果關(guān)系的多層上下文可感知模型,解決目前使用深度學(xué)習(xí)帶來的可解釋性不強(qiáng)的問題,實現(xiàn)動態(tài)的個性化推薦。最后,評價則是以更加多樣的視角評定推薦的好壞。所以本文設(shè)計了具有降低推薦噪音的魯棒性系統(tǒng)評價指標(biāo),在考慮評分準(zhǔn)度的同時考慮推薦的排序準(zhǔn)確度等,解決目前推薦系統(tǒng)評價體系無法完整的、公平的比較算法優(yōu)劣的問題。
你還可能感興趣
我要評論
|