基于受限玻爾茲曼機的推薦算法研究.pdf_第1頁
已閱讀1頁,還剩75頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明: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,請進行舉報或認領

文檔簡介

1、隨著互聯(lián)網(wǎng)和信息技術的快速發(fā)展,互聯(lián)網(wǎng)為用戶提供了越來越多的信息和服務,但是面對互聯(lián)網(wǎng)中成指數(shù)增長的信息資源,用戶不得不花費大量的時間來尋找對自己有用的信息,即所謂的信息超載問題。為了解決這一問題推薦系統(tǒng)應運而生,推薦系統(tǒng)能夠根據(jù)用戶的偏好為用戶提供個性化的推薦服務。
  當前,協(xié)同過濾算法是應用最廣泛、最成功的推薦技術,但是協(xié)同過濾算法也面臨著嚴重的數(shù)據(jù)稀疏性、擴展性和冷啟動等問題。數(shù)據(jù)稀疏性問題是協(xié)同過濾算法面臨的關鍵的問題之

2、一,評分數(shù)據(jù)的高稀疏性往往會導致協(xié)同過濾算法的預測精度低下。因此,數(shù)據(jù)稀疏性問題的解決對提高協(xié)同過濾算法的預測精度具有重要意義。近年來,隨著社交網(wǎng)絡的流行,社交關系變的越來越重要,在社交網(wǎng)絡中好友的觀點或者意見往往會影響我們的決定,因此利用社交網(wǎng)絡中的社交關系有助于解決數(shù)據(jù)稀疏性問題。
  當前,深度學習在眾多領域取得了重大的突破,而受限玻爾茲曼機模型(RestrictedBoltzmann Machine,簡記為RBM)作為深度

3、學習領域最重要的模型之一,受到了越來越多的關注。受限玻爾茲曼機模型被用于解決推薦問題后,取得了良好的效果。目前用于推薦的RBM模型存在一定的缺陷:第一,需要將實值的評分數(shù)據(jù)轉化為一個K維的0-1向量,這將使模型中參數(shù)的數(shù)量變?yōu)樵瓉淼腒倍,從而造成參數(shù)過多、訓練過程復雜。同時,此種轉化方法只對整型數(shù)據(jù)有效,如果評分數(shù)據(jù)中有Double型的數(shù)據(jù)就無法轉化;第二,模型訓練過程中僅使用用戶評分數(shù)據(jù),但用戶評分數(shù)據(jù)存在著嚴重的數(shù)據(jù)稀疏性問題,這將

4、在一定程度上影響模型的推薦效果。第三,當前正處于一個大數(shù)據(jù)時代,在大數(shù)據(jù)環(huán)境下由于RBM模型具有大量的參數(shù),模型的訓練將面臨巨大挑戰(zhàn)。
  因此,本文針對基于受限玻爾茲曼機模型的協(xié)同過濾算法進行了相關研究,主要工作包括:
  (1)在現(xiàn)有的用于推薦的RBM模型的基礎上,提出了基于實值的條件受限玻爾茲曼機(Real-Valued Conditional Restricted Boltzmann Machine,R_CRBM)模

5、型,此模型不需要將評分數(shù)據(jù)轉化為一個K維的0-1向量,并且R_CRBM模型在訓練過程中使用訓練數(shù)據(jù)中潛在的評分/未評分信息,實驗結果表明潛在的評分/未評分信息有助于緩解數(shù)據(jù)稀疏性問題。
  (2)將本文提出的R CRBM模型與用戶的社交關系相結合,提出了基于MoleTrust推理的最近信任好友(Nearest Trusted Friends MoleTrust,NTFMT)R_CRBM算法,該算法利用社交網(wǎng)絡中的信任關系。在百度數(shù)

6、據(jù)集和Epinions數(shù)據(jù)集上的實驗結果表明提出的R_CRBM_NTFMT算法可以很好的解決數(shù)據(jù)稀疏性問題,提高了推薦系統(tǒng)的預測精度,并且在訓練數(shù)據(jù)越稀疏的情況下效果提升的越多。
  (3)在大數(shù)據(jù)環(huán)境下,由于數(shù)據(jù)量巨大,普通平臺無法處理大數(shù)據(jù)問題并且此時R_CRBM模型的參數(shù)數(shù)量將變的極其巨大對R_CRBM模型的訓練將面臨巨大的挑戰(zhàn),因此,針對大數(shù)據(jù)下的R_CRBM模型,本文提出了基于Spark的并行化方案,實驗結果表明該方案具

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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。

評論

0/150

提交評論