隨著互聯網和移動互聯網的發展,各大電商網站、支付平臺、娛樂應用等積累的個人信息越來越豐富,同時數據量也在急劇增長。在復雜且龐大的數據中發現用戶的興趣偏好,從而給用戶推薦更好的商品,增加用戶粘性和用戶體驗度,對創造商業上的價值具有重大意義。在面對如此復雜且多領域的數據時,如何能夠綜合各個域的信息達到好的推薦是亟待解決的問題,跨域推薦應運而生。然而,跨域推薦有其自身的局限性,第一,域的增加雖然增加了可用數據的量,但對于單一用戶而言,用戶數據的數據稀疏性并沒有得到解決;第二,跨域推薦需要面臨語義的構建,單一域中僅有用戶一物品這一種語義關系,而對于復雜的多域環境,不同域用戶之間,不同物品之間等都存在關系,如何找出并平衡好這幾種語義關系是跨域推薦面臨的另一個難題。因此,大多數跨域推薦的研究都在尋找方案來解決數據稀疏性和語義缺乏問題。現有的推薦算法方案在一些特定的場景中確實取得了很好的推薦效果。大多數跨域推薦模型是基于傳統的協同過濾方法,利用評分矩陣挖掘用戶和物品的相關關系。在最近的研究方法中,一部分方法結合用戶和物品自身的內容信息(比如,用戶標簽,用戶年齡等特征;物品介紹,物品性質等特征),充分挖...

【文章頁數】：63 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景與現狀
    1.2 本文的主要內容
    1.3 本文的主要工作
    1.4 本文的組織結構
第2章 相關研究
    2.1 推薦系統和跨域推薦
    2.2 基于協同過濾的跨域推薦
    2.3 基于內容的跨域推薦
    2.4 基于圖的跨域推薦
    2.5 本章小結
第3章 基于內容和圖結構信息融合的模型
    3.1 模型框架概述
    3.2 文本信息特征提取
    3.3 鄰接關系特征提取
    3.4 異質圖和嵌入表示
    3.5 跨域推薦
    3.6 本章小結
第4章 實驗分析
    4.1 實驗設置
        4.1.1 數據集
        4.1.2 實驗參數設置
        4.1.3 評價指標與基線方法
    4.2 實驗結果與分析
    4.3 本章小結
第5章 總結與展望
    5.1 研究總結
    5.2 研究展望
參考文獻
致謝
攻讀學位期間發表的學術論文
攻讀學位期間參與科研項目
攻讀學位期間獲獎情況
學位論文評閱及答辯情況表



本文編號：4037860