收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于深度学习的服务推荐方法与应用系统

郑言  
【摘要】:互联网的发展为人们提供了相比以往更加便捷的服务、和更多样的选择。人们在享受在线服务带来的便捷性和效率提升的同时,也往往需要花更多的时间来寻找真正感兴趣的服务。个性化服务推荐系统出现能够帮助降低信息过载对服务匹配效率上的影响,让用户减少寻找他们真正感兴趣的服务所花费的时间,其重要程度不言而喻。本文以基于深度学习模型的个性化服务推荐为主要研究内容,论文主要工作可以分为以下几个方面:(1)经典推荐模型的回顾与思考:推荐系统可划分为前深度学习时代和深度学习时代。论文首先在第二章回顾了前深度学习时代经典推荐模型——协同过滤族,分析了这些模型的优劣和适用场景,然后介绍了晚些被提出的机器学习模型——因子分解机(FM)是如何解决协同过滤家族的模型面临的这些问题的。随后,论文在第三章对非常经典而又有效的神经协同过滤(NCF)模型进行研究,并使用Tensor Flow复现了NCF模型,在yelp数据集上进行了实验。(2)基于卷积神经网络(CNN)的推荐模型的研究与实验:目前,学术界和工业节都针对基于深度学习的推荐系统做了许多研究,提出了非常多的模型。本文首先,然后使用了卷积神经网络模块(CNN)提取文本评论中的特征,实现了CNNRec模型。实验显示,使用CNN模块提取文本评论特征能够有效地提高模型在评分预测目标上的效果。随后在此研究的基础上,针对评论文本在实际推荐场景下无法事先获得这一问题,本文提出了TS-CNNRec推荐模型。该模型借鉴学生-教师网络的思想,利用教师网络学习真实存在的评论文本,进而指导学生网络学习到有效的用户特征和服务特征。在yelp数据集上的实验结果表明,TS-CNNRec模型在不知道评论时的评分预测误差相比NCF模型结果有了明显的提高。(3)最后根据所提出的TS-CNNRec模型,使用flask框架等相关技术,实现了一个简单的商家服务推荐原型系统。


知网文化
【相似文献】
中国期刊全文数据库 前18条
1 陈明毅;邱卫东;;基于深度学习的多角度综合推荐模型[J];大数据时代;2018年12期
2 杨锡慧;;基于融合卷积神经网络的协同过滤模型[J];软件导刊;2017年12期
3 李鑫垚;王小刚;顾伟康;朱泽霖;张玉;;一种基于协同过滤的金融产品推荐系统的设计[J];福建电脑;2018年12期
4 金强山;冯光;;基于协同过滤混合算法的餐饮推荐系统设计与实现[J];计算机时代;2020年02期
5 李转运;唐桂林;;推荐系统中的协同过滤推荐技术研究[J];河南科技;2018年10期
6 王骏;虞歌;;基于改进神经协同过滤模型的电影推荐系统[J];计算机工程与设计;2020年07期
7 谢恩宁;何灵敏;王修晖;;基于注意力机制的深度协同过滤模型[J];中国计量大学学报;2019年02期
8 路丹;陈占芳;;基于协同过滤的个性化民宿推荐系统的设计与实现[J];现代计算机(专业版);2018年32期
9 贾玉罡;;基于协同过滤的电商推荐系统的设计与实现[J];数字通信世界;2018年03期
10 杨鑫;杨晨;李宇;;基于协同过滤的学习资源推荐平台的设计与实现[J];电脑知识与技术;2018年12期
11 张博;李昂松;尹琛;;一种电影推荐系统的设计与实现[J];数码世界;2019年11期
12 任洛漪;;基于协同过滤推荐系统优化地图软件路线推荐[J];计算机产品与流通;2020年09期
13 杨莉;;基于时间因子的协同过滤算法研究[J];电脑知识与技术;2019年09期
14 范志强;赵文涛;;改进的基于内容的协同过滤电影推荐算法[J];信息与电脑(理论版);2019年13期
15 刘文佳;张骏;;改进的协同过滤算法在电影推荐系统中的应用[J];现代商贸工业;2018年17期
16 舒贵阳;辜丽川;冯娟娟;陈卫;赵子豪;王超;;基于集群的协同过滤实时推荐系统研究[J];洛阳理工学院学报(自然科学版);2018年02期
17 张家鑫;刘志勇;张琳;张倩;莎仁;;基于协同过滤的多维度电影推荐方法研究[J];长春理工大学学报(自然科学版);2019年02期
18 李改;邹小青;;基于隐式反馈的协同过滤算法研究综述[J];福建电脑;2018年11期
中国重要会议论文全文数据库 前20条
1 孙见山;徐东;姜元春;;融合人格信息的单分类协同过滤方法研究[A];第十二届(2017)中国管理学年会论文集[C];2017年
2 陈曦;;基于二阶定时修正协同过滤系统的信息推荐算法[A];2019年第二届钢铁工业智能制造发展论坛会议论文集[C];2019年
3 沈杰峰;杜亚军;唐俊;;一种基于项目分类的协同过滤算法[A];第二十二届中国数据库学术会议论文集(技术报告篇)[C];2005年
4 骆正清;郑涛;;基于标签聚类的协同过滤推荐算法[A];第十三届(2018)中国管理学年会论文集[C];2018年
5 王君;许洁萍;;层次音乐推荐系统的研究[A];第18届全国多媒体学术会议(NCMT2009)、第5届全国人机交互学术会议(CHCI2009)、第5届全国普适计算学术会议(PCC2009)论文集[C];2009年
6 胡必云;李舟军;王君;;基于心理测量学的协同过滤相似度方法(英文)[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年
7 孙铁利;杨焱;邱春艳;;基于内容预测的协同过滤推荐[A];2005年全国理论计算机科学学术年会论文集[C];2005年
8 刘牧;杨智强;王衡;;基于普适计算的日程发现方法探讨[A];第七届和谐人机环境联合学术会议(HHME2011)论文集【poster】[C];2011年
9 潘崇伦;张弛;;协同过滤的自服务模式在水务信息基础架构管理中的研究[A];大数据时代的信息化建设——2015(第三届)中国水利信息化与数字水利技术论坛论文集[C];2015年
10 陶红亮;王明文;曹瑛;;基于项目平滑和聚类的协同过滤推荐算法[A];第二十三届中国数据库学术会议论文集(技术报告篇)[C];2006年
11 易芃;杨成;柴智;;基于重排序的新用户TOPN推荐方法研究[A];第十九届中国科协年会——分4信息新技术 东北新工业论坛论文集[C];2017年
12 徐梦洋;;基于深度学习的行人再识别研究综述[A];中国计算机用户协会网络应用分会2018年第二十二届网络新技术与应用年会论文集[C];2018年
13 陈伟辉;孙阳;陈杰;倪玮;陈冲;薛超;;基于深度学习的地震识别技术展望[A];国家安全地球物理丛书(十四)——资源·环境与地球物理[C];2018年
14 彭瑾;刘必慰;陈胜刚;刘畅;;神经网络压缩模型的解压算法设计及其硬件实现[A];第二十二届计算机工程与工艺年会暨第八届微处理器技术论坛论文集[C];2018年
15 周军锋;汤显;郭景峰;;一种优化的协同过滤推荐算法[A];第二十一届中国数据库学术会议论文集(研究报告篇)[C];2004年
16 汤显;郭景峰;高英飞;;基于类别相似性的增量协同过滤推荐算法[A];第二十三届中国数据库学术会议论文集(研究报告篇)[C];2006年
17 王中友;肖鹰;吴哲夫;;基于用户喜好的个性推荐系统优化[A];浙江省电子学会2014学术年会论文集[C];2014年
18 高旻;吴中福;;基于个性化情境和项目的协同推荐研究[A];2009年中国智能自动化会议论文集(第五分册)[东南大学学报(增刊)][C];2009年
19 张光卫;康建初;李鹤松;刘常昱;李德毅;;面向场景的协同过滤推荐算法[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年
20 唐业辉;许超;郭天宇;王云鹤;;多级卷积神经网络[A];第十二届全国信号和智能信息处理与应用学术会议论文集[C];2018年
中国博士学位论文全文数据库 前20条
1 郭艳红;推荐系统的协同过滤算法与应用研究[D];大连理工大学;2008年
2 薛福亮;电子商务协同过滤推荐质量影响因素及其改进机制研究[D];天津大学;2012年
3 ;[D];;年
4 顾梁;播存结构中基于协同过滤的内容推荐技术研究[D];东南大学;2017年
5 袁卫华;面向稀疏数据的多视图个性化推荐方法研究[D];山东师范大学;2018年
6 段锐;融合文本内容与情境信息的协同过滤推荐方法研究[D];合肥工业大学;2017年
7 张雪洁;基于QoS的个性化云服务推荐方法研究[D];南京航空航天大学;2015年
8 王立才;上下文感知推荐系统若干关键技术研究[D];北京邮电大学;2012年
9 姜邵巍;基于竞争关系的推荐技术研究[D];北京邮电大学;2014年
10 沈筱譞;深度学习推荐方法及应用研究[D];华中师范大学;2020年
11 尹航;信息推荐系统中的协同过滤技术研究[D];东北大学;2012年
12 陈根浪;基于社交媒体的推荐技术若干问题研究[D];浙江大学;2012年
13 孙小华;协同过滤系统的稀疏性与冷启动问题研究[D];浙江大学;2005年
14 钱付兰;基于商空间模型的协同过滤推荐算法研究[D];安徽大学;2016年
15 张富国;基于信任的电子商务个性化推荐关键问题研究[D];江西财经大学;2009年
16 吴国栋;基于深度学习的个性化物品推荐研究[D];东华大学;2020年
17 冷亚军;协同过滤技术及其在推荐系统中的应用研究[D];合肥工业大学;2013年
18 孔维梁;协同过滤推荐系统关键问题研究[D];华中师范大学;2013年
19 谭昶;基于面向对象思想和典型用户群组的个性化推荐方法研究[D];中国科学技术大学;2014年
20 邓爱林;电子商务推荐系统关键技术研究[D];复旦大学;2003年
中国硕士学位论文全文数据库 前20条
1 郑言;基于深度学习的服务推荐方法与应用系统[D];哈尔滨工业大学;2020年
2 范虎;基于云计算的协同过滤推荐系统的研究与应用[D];安徽理工大学;2013年
3 关博;一种基于协同过滤的服务推荐系统研究[D];哈尔滨工程大学;2016年
4 梁四香;基于改进协同过滤的推荐系统研究与实现[D];郑州大学;2017年
5 吕杰;一种融合用户上下文信息和评分倾向度的协同过滤推荐系统[D];天津大学;2016年
6 丁卯;基于协同过滤的推荐系统研究[D];河北工业大学;2014年
7 刘金鑫;基于标签的协同过滤推荐系统研究[D];北京邮电大学;2017年
8 张路一;推荐系统中基于相似性计算的协同过滤算法研究[D];郑州大学;2017年
9 桑婧;基于协同过滤推荐系统的算法比较研究[D];天津财经大学;2013年
10 郎鹏程;基于用户协同过滤推荐技术的研究与实现[D];宁夏大学;2017年
11 陈登科;基于潜在向量模型与项目的协同过滤混合推荐[D];浙江大学;2010年
12 杨晓飞;基于协同过滤法的旅游目的地推荐系统研究[D];中国海洋大学;2013年
13 李姗姗;基于协同过滤的视频推荐系统设计[D];南京邮电大学;2017年
14 曾小波;基于协同过滤的推荐系统的研究[D];电子科技大学;2010年
15 刘振兴;基于协同过滤的推荐系统的设计与实现[D];中山大学;2015年
16 李军平;基于社会网络分析的协同过滤推荐方法研究[D];辽宁大学;2013年
17 苏天斌;协同过滤的研究及引擎的实现[D];昆明理工大学;2005年
18 于岚;基于协同过滤的个性化推荐系统研究[D];西安电子科技大学;2017年
19 郭莉敏;基于时间感知和社交网络信任度的协同过滤算法研究[D];南京信息工程大学;2016年
20 龙军;面向协同过滤推荐的混合隐私保护技术和算法研究[D];广西师范大学;2015年
中国重要报纸全文数据库 前20条
1 林嘉澍;从搜索到发现[N];经济观察报;2007年
2 记者 董映璧;神经网络技术检测玻璃钢缺陷精度高[N];科技日报;2020年
3 骆无意;图神经网络让集群无人系统更智能[N];中国航天报;2020年
4 张允硕 姜正义 甄海锋 河南理工大学;基于神经网络的自适应PID控制的智能衣架[N];科学导报;2019年
5 湖北日报全媒记者 张爱虎 通讯员 徐向军 实习生 于蓝;一群“90后”率先建成铁路“神经网络”[N];湖北日报;2019年
6 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
7 整理 本报记者 诸玲珍 顾鸿儒;微软神经网络切割法可使加速作用超线性[N];中国电子报;2018年
8 ;神经网络小史[N];电子报;2018年
9 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
10 ;人工智能将取得大面积突破[N];中国企业报;2017年
11 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
12 ;人类正迎来云端机器人时代[N];中国企业报;2017年
13 张斌;谁还需要“同传”[N];文汇报;2017年
14 邓洲 中国社会科学院工业经济研究所;深度学习:人工智能进入应用阶段[N];上海证券报;2017年
15 中国科学技术大学终身学习实验室博士 吴茂乾;“寒武纪”人工智能大爆发的前夜[N];安徽日报;2017年
16 记者 邱智丽;AI竞赛 中国力量崛起[N];第一财经日报;2017年
17 卡内基·梅隆大学计算机科学学院机器学习系主任 Tom Mitchell;突破人类和机器的边界[N];中国信息化周报;2017年
18 舒年;“深度学习”与人工智能的新挑战[N];工人日报;2017年
19 记者 刘霞;新神经网络使计算机像人一样推理[N];科技日报;2017年
20 本报记者 喻思娈;人工智能有多智能?[N];人民日报;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978