【摘 要】
：
随着互联网的发展和普及,各个应用产生的信息量正快速膨胀,在海量数据中,用户可以享受到丰富的信息,但庞大的数据规模使其难以选择自己需要的内容,会存在着“信息过载”的问题。推荐系统可以极大缓解此类问题,它不仅可以满足用户对高质量信息的需求,而且可以为企业增加对用户的吸引力并巩固自身在行业内的地位。近年来,深度学习的出现解决了传统推荐系统的特征学习和高阶特征交互问题,充分挖掘不同特征域之间的高阶特征交互
论文部分内容阅读
随着互联网的发展和普及,各个应用产生的信息量正快速膨胀,在海量数据中,用户可以享受到丰富的信息,但庞大的数据规模使其难以选择自己需要的内容,会存在着“信息过载”的问题。推荐系统可以极大缓解此类问题,它不仅可以满足用户对高质量信息的需求,而且可以为企业增加对用户的吸引力并巩固自身在行业内的地位。近年来,深度学习的出现解决了传统推荐系统的特征学习和高阶特征交互问题,充分挖掘不同特征域之间的高阶特征交互,从而提升了模型的预测结果精度,因此被广泛应用在推荐系统中。此后,随着计算机技术和多维嵌入向量技术的进步,基于多维嵌入向量的神经网络模型在预测结果精确方面得到了大幅提升,成为目前推荐算法的研究热点。其中,根据用户和物品的出现频率对嵌入向量大小进行动态调整的ESPAN（Embedding Size Adjustment Policy Network）模型更是受到了广泛关注。在基于深度学习的推荐系统中,嵌入向量是一种广泛使用的重要技术,但是现有基于多维嵌入向量的模型在构建嵌入向量时,并没有对用户的偏好给予应有的关注,这会导致预测结果不够精确。本文对ESPAN模型进行了深入研究,提出并实现了基于对象感知的神经网络模型ONN。主要研究内容如下:（1）在构建嵌入向量时,目前很多方法更关注于嵌入向量的维度搜索而忽略了用户偏好的重要性。针对上述缺陷,本文对用户偏好给予了关注,将其与多维嵌入向量融合并提出一种基于对象感知的神经网络ONN（Object-aware Neural Network）。实验结果表明ONN模型较基线模型在精确度和损失值上有了较大的改善,证明了ONN模型的有效性和先进性。（2）ONN模型在用户和物品嵌入向量的特征交叉问题上还有待改进,因此通过引入特征交叉技术对该问题进行优化,并提出了基于增强特征交叉的ONN＿FC（Object-aware Neural Network with Feature Cross）模型。该模型将多层感知机与特征交叉层分为上下两层放置,特征交叉层接收输入并执行特征交叉操作,然后将输出与用户和物品的嵌入向量连接,最后输入到多层感知机并得到预测结果。（3）本文在提出的推荐算法基础上设计并开发了一个基于B/S架构的个性化电影推荐系统。从需求分析到系统设计规划了用户展示层、后端逻辑层、数据存储层和推荐层的功能。在推荐流程中使用OPN＿FC作为排序模块的模型。最后,使用Django、Vue、Redis、Nginx、My SQL和Py Torch实现了该系统。
其他文献
近年来,针对综合能源系统的信息物理协同攻击事件时有发生,严重影响了系统的安全经济运行,因此考虑信息物理协同攻击的攻防策略对综合能源系统优化调度的影响具有重要意义。本文针对气-电混联综合能源系统,研究了攻击者视角下计及负荷重分配攻击与破坏供能网络的物理攻击协同的最优攻击策略,以及防御者视角下计及系统备用容量和替代负荷的最优防御策略。主要内容如下:（1）研究不计攻击的气-电混联系统优化调度策略本文采用
为了降低生产成本、监测过程状态、提高生产效率、优化产品质量,工业过程中关键质量变量的实时测量与预测十分重要。对于复杂的工业生产环境,以及硬件传感器无法或难以测量关键质量变量的问题,软测量方法通过构造以过程变量为输入,质量变量为输出的估计模型,间接估计预测关键质量变量。由于其易于开发、配置灵活、响应速度快等优点,在学术上和工业上得到了迅速地发展和有效的实践。本文的主要研究内容如下:（1）针对工业过程
针对大尺度结构进行损伤的监测与安全评估,及时地确定安全隐患,组建一套面向于大型结构的损伤诊断系统尤为重要。大尺度结构即为大型工程结构,由于使用范围广泛,材料面积大,在大型工程结构上进行损伤监测不仅使监测设备繁琐,而且信号的处理难度更加困难。本文研究主要是针对大型复合材料板损伤的情况下,从Lamb损伤监测机理方面入手,设计最简三角稀疏阵列并且提取Lamb波在典型损伤上的多特征参数,利用机器学习建立损
近年来,由于人工智能和互联网技术的迅速发展,单个智能体已经不能解决大规模、复杂和不确定信息的现实问题。因此,多智能体分布式协同控制成为控制领域热点关注的课题。由于通信时滞和量化噪声等复杂通信因素的影响,多智能体系统的协同控制设计的难度极具增大。因此,复杂通信环境下的多智能体系统的分布式协同控制引起了广泛关注。本文研究了具有连边乘性不确定的连续和离散多智能体系统鲁棒一致性和具有通信时滞不确定的二阶严
微流控光学透镜具有可灵活调节焦距、能在一微型芯片中同时实现微流控分析和光学检测、简化透镜尺寸等特点,所以目前它在光学相关领域得到了广泛的关注和研究。其中,具有双界面的微流控光学透镜,由于其双界面的曲率均可按照需求进行独立调节,并伴随有大的光焦度的改变,具有重要的研究意义。本课题采用组合形式,基于介电润湿力、介电泳力、纵向梯度静电力三种不同的驱动力,实现双凸型微流控光学透镜,并对透镜的相关性能进行分
如今出现了很多网上房屋租赁应用,但目前的互联网房屋租赁应用还存在着一些典型的问题:目前的房屋租赁应用仍然是一个中心化的系统,系统所有的数据都被其控制,存在着信息不对称的问题;房屋租赁数据的真实性有待提高,目前仍然存在着很多虚假房源的情况。因此如何实现房屋租赁应用的去中心化管理以及提高房源数据的真实性是目前需要解决的问题。区块链的去中心化以及防篡改特性为房屋租赁应用提供了新的设计思路。为了真正实现去
情绪识别是计算机视觉领域近几年来研究较多的课题。目前的研究成果主要集中在仅基于面部表情的情绪识别或仅基于身体动作的情绪识别方面,但这些单模态的情绪识别算法泛化能力并不强,并且准确率也存在提高的空间。为了提高情绪识别的准确率,本文对基于多模态特征融合的视频中人物情绪识别算法进行研究,重点研究如何综合运用面部表情特征和身体动作特征来进行视频中人物情绪的识别。首先,以提高情绪识别的准确率为目标,设计了一
随着信息系统的广泛应用,数据系统内的数据同步问题日益突出。如何以安全高效的方式实现系统内的数据同步,已成为企业广泛关注的问题。为了增强数据的连通性,减少“信息孤岛”问题,数据同步显得尤为重要。同时,目前的研究往往集中在数据传输过程,而普遍忽略了数据同步后的验证模式。对于数据是否被篡改、敏感信息是否泄露、数据完整性等问题的忽视,导致了完整同步链的潜在缺陷。本课题针对现有数据系统同步方案中的缺陷,利用
数据密集型工作流的任务之间需要传输大量的数据并进行复杂的计算,这就要求运行该工作流的计算资源计算能力强、存储量大,但单一的计算资源一般满足不了数据密集型工作流的运行需求,往往需要将数据密集型工作流中的任务部署在云环境中不同的数据中心,而相关任务分布在不同数据中心产生的大量数据传输,对工作流的执行费用和执行时间均产生了较大影响,只有合理的调度方法才能尽可能的减少传输量,从而降低执行费用和时间。现有静
近些年,基于深度学习的目标检测算法模型在网络精度和计算速度上都得到了不断提升。然而在某些特定场景中,仅依赖于彩色相机获取的图像信息和二维目标检测算法并不能满足实际应用的需求。在工业生产生活中,对于无色无味、不规则漏气漏液的检测十分重要,但彩色相机很难捕捉到特征信息,因此基于红外图像的检测算法尤为必要。随着机器人技术的不断发展,科技人员开始利用移动机器人进行空间探索,而对于机器人周围环境的地形感知可