基于語(yǔ)言處理技術(shù)的推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、推薦作為海量信息過(guò)濾的基本技術(shù)方法廣泛應(yīng)用在信息推送和商品推薦等應(yīng)用領(lǐng)域，需要解決數(shù)據(jù)稀疏性的難點(diǎn)和推薦的多樣性的問(wèn)題，成為學(xué)術(shù)和應(yīng)用領(lǐng)域的研究難點(diǎn)和熱點(diǎn)問(wèn)題。SVD方法在業(yè)界得到廣泛采用，該方法通過(guò)購(gòu)買(mǎi)和瀏覽等記錄建立人和商品之間的二維關(guān)系，并對(duì)該關(guān)系進(jìn)行SVD分解建立人和商品之間相關(guān)關(guān)系的推斷。相對(duì)于復(fù)雜的深度神經(jīng)網(wǎng)絡(luò)模型SVD框架在實(shí)際中取得較好的效果;同時(shí)，廣泛使用的移動(dòng)設(shè)備也需要簡(jiǎn)單而節(jié)省能耗的模型以解決移動(dòng)環(huán)境下的智能計(jì)算以

2、及推薦問(wèn)題。另一方面，作為時(shí)間序列模型的語(yǔ)言模型，能夠表達(dá)詞之間在時(shí)間維度上的依賴(lài)關(guān)系，以表達(dá)語(yǔ)言的語(yǔ)法、內(nèi)容和表達(dá)者的情景狀態(tài)等。相似地，商品購(gòu)買(mǎi)者購(gòu)買(mǎi)商品也受到他的需求（內(nèi)容）和復(fù)雜心理以及環(huán)境的影響（情景狀態(tài)），因此它們之間有較為相似的依賴(lài)結(jié)構(gòu)。本文在SVD的框架下，擴(kuò)展LDA模型到商品推薦上，將自然語(yǔ)言中文本語(yǔ)義識(shí)別、語(yǔ)義關(guān)聯(lián)技術(shù)擴(kuò)展到商品推薦領(lǐng)域，挖掘用戶(hù)行為軌跡數(shù)據(jù)中體現(xiàn)的商品語(yǔ)義上的依賴(lài)，通過(guò)隱含空間表達(dá)這種依賴(lài)關(guān)系，建立

3、商品和用戶(hù)之間的關(guān)聯(lián)。最后，在實(shí)際的淘寶數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明研究具有方法的有效性。本論文主要工作如下:
　　(1)利用主題模型LDA，對(duì)“用戶(hù)交互的商品軌跡序列”進(jìn)行建模:將“商品ID”視為“詞”、將“軌跡序列中的商品ID集”視為“文檔”。利用LDA對(duì)“語(yǔ)料”中數(shù)據(jù)結(jié)構(gòu)的概率表示，以及LDA在主題空間的概括性，將商品在“主題空間”進(jìn)行自動(dòng)聚合，并通過(guò)將商品映射到“主題空間”，建立商品的特征向量表示，并引入商品在不同場(chǎng)景下的“語(yǔ)義

4、信息”。
　　(2)在LDA基礎(chǔ)上，提出了結(jié)合“用戶(hù)信息”的用戶(hù)-主題模型U_LDA，以及結(jié)合“用戶(hù)行為信息”的用戶(hù)-行為-主題模型UB_LDA:改進(jìn)模型引入了“用戶(hù)”、“用戶(hù)行為”信息對(duì)主題空間的學(xué)習(xí)，一方面將“用戶(hù)”和“用戶(hù)行為”信息進(jìn)行在主題空間的自動(dòng)聚合，并通過(guò)將二者映射到“主題空間”，表達(dá)對(duì)“用戶(hù)”、“用戶(hù)行為”的矢量化表示，反映“用戶(hù)”和“用戶(hù)行為”在時(shí)間維度不同場(chǎng)景下的“語(yǔ)義信息”。
　　(3)在實(shí)際的淘寶數(shù)據(jù)