基于深度神經(jīng)網(wǎng)絡的用戶會話推薦算法研究.pdf

1、近年來，隨著互聯(lián)網(wǎng)的發(fā)展，人們越來越依賴于推薦系統(tǒng)為自己的選擇提供參考。本文嘗試解決在線購物網(wǎng)站如何在用戶與網(wǎng)站交互的同時，向用戶推薦他們可能會購買的商品的問題。為了解決這個問題，本文首先將用戶瀏覽網(wǎng)頁的過程建模為一個線性的序列，在用戶不斷地推進這個序列的同時，對用戶可能會購買的商品進行預測。然而現(xiàn)有的協(xié)同過濾算法，并不能很好地挖掘出用戶瀏覽網(wǎng)頁序列。
　　因此，本文根據(jù)問題的特點，提出了基于深度循環(huán)神經(jīng)網(wǎng)絡和深度前饋網(wǎng)絡的Dee

2、pSession推薦算法，以解決該推薦問題?；谏疃妊h(huán)神經(jīng)網(wǎng)絡，可以很好地挖掘出用戶訪問頁面序列的模式，并據(jù)此推測用戶的購買行為。然而，循環(huán)神經(jīng)網(wǎng)絡的狀態(tài)個數(shù)是固定的，而用戶會話瀏覽頁面的個數(shù)卻是動態(tài)變化的。因此本文提出了帶有歷史狀態(tài)的循環(huán)網(wǎng)絡模型，將比較老的頁面聚集為一個歷史狀態(tài)，保留部分較老頁面的信息，傳遞給循環(huán)神經(jīng)網(wǎng)絡，從而解決輸入頁面不斷動態(tài)增長的問題。在此基礎之上，本文提出了建立深度前饋網(wǎng)絡，來模擬傳統(tǒng)的協(xié)同過濾算法，對用戶

3、以往的購物模型進行建模，結合深度前饋網(wǎng)絡的輸出，進一步提高推薦精度。另外，本文針對神經(jīng)網(wǎng)絡調參困難的問題，提出了一個自動調整網(wǎng)絡相關配置的算法，該算法基于一定的啟發(fā)性，大大提高了網(wǎng)絡調參的效率。接著基于DeepSession模型，設計了可以應用于購物網(wǎng)站的推薦系統(tǒng)。
　　最后，在電商網(wǎng)站提供的真實數(shù)據(jù)集上，進行了相關實驗。實驗結果表明，DeepSession推薦算法相比于基于Spark ALS的傳統(tǒng)協(xié)同過濾算法，大大提高了推薦精度