【摘 要】
：
随着计算机技术迅速发展和我国网民人数高达9.04亿,网购成为人们购物的首选。传统推荐算法在商品爆炸式增长的情况下进行个性化推荐时,一直面临着数据稀疏、商品冷启动和用户兴趣难挖掘等问题。本文利用深度学习具有非线性学习能力,在推荐系统中能自动进行特征学习挖掘出用户及物品间的隐含和潜在特征,解决了用户兴趣难挖掘问题。用one-hot编码和Embedding嵌入层把高维稀疏的数据特征转化为低维稠密型特征,
论文部分内容阅读
随着计算机技术迅速发展和我国网民人数高达9.04亿,网购成为人们购物的首选。传统推荐算法在商品爆炸式增长的情况下进行个性化推荐时,一直面临着数据稀疏、商品冷启动和用户兴趣难挖掘等问题。本文利用深度学习具有非线性学习能力,在推荐系统中能自动进行特征学习挖掘出用户及物品间的隐含和潜在特征,解决了用户兴趣难挖掘问题。用one-hot编码和Embedding嵌入层把高维稀疏的数据特征转化为低维稠密型特征,解决了数据的维度高和稀疏性问题。本文的主要工作如下:（1）对深度学习和推荐系统相关技术的研究分析。本文选择深度学习推荐模型DeepFM（DNN、FM）和基于神经网络的协同过滤算法模型NeuMF（GMF、MLP）,并对模型特点详细介绍。（2）通过爬虫技术获取Tmall商城数据作为本实验数据集,用one-hot编码和Embedding嵌入层降维后的数据输入深度学习模型中训练。实验结果DeepFM的AUC分别比DNN和FM提高了2.66%和1.91%,损失函数值分别降低了12.1%和8.10%;NeuMF模型的损失函数值分别比GMF和MLP降低了18.75%、12.64%,HR命中率值分布提高了8.32%、5.61%。（3）对推荐系统进行需求分析和设计,用Django开发框架设计商品个性化推荐系统。系统把训练好的推荐模型应用到系统中实现了不同推荐模块的选择功能,深度学习模型高阶特征学习能力解决数据稀疏性问题。多推荐模型和热门商品推荐功能解决了用户兴趣商品推荐,同时提高了系统的鲁棒性。后台管理系统实现了对商品和用户管理功能。
其他文献
随着正交频分复用（OFDM）波形信号在全球范围内的广泛部署,近年来基于OFDM波形的外辐射源雷达逐渐成为了研究热点。然而,与有源雷达探测信号先前已知不同,OFDM波形外辐射源雷达需要在接收端提取参考通道中被多径和噪声污染的直达波作为参考信号。结合OFDM信号的波形特征,基于“解调-再调制”重构的参考信号提取方法是解决这一问题的常用途径。传统的重构方法主要采用依赖导频处信道信息的最小二乘（LS）和最
2020年是不同寻常的一年,全球经历了史无前例的新型冠状病毒COVID19,在疫情期间,我国推出了很多防疫措施,抑制了疫情的侵袭蔓延。于是,提出了“无接触”概念,智能语音问答交互技术等无接触式人机交互技术突显出了优势。因此,本文以智能语音问答为研究方向实现无接触人机交互。语音问答技术实现需要解决三个问题,语音识别、知识库的建立、答案匹配。语音识别作为前端数据入口,其识别正确率直接关系到后端问答系统
随着互联网的普及与高速发展,软件应用对并发量和服务质量的要求越来越高,推动着互联网的架构不断演变。迅速增长的用户规模,日益复杂的业务系统,导致网络的并发访问流量爆发式增长。单一的服务器架构受限于硬件和网络带宽等,难以应对海量的用户访问,集群和负载均衡技术应运而生,它们能够提供更强大的任务处理性能和容错能力。其中,微服务架构以其优秀的组织结构和开发性能得到了广泛关注,可以通过将复杂系统拆分成多个独立
范宽,北宋山水画三大名家之一,他发展了荆浩的北方山水画派,主张"外师造化,中得心源",对后世影响深远。本文从"师法自然"的艺术理念出发,结合其家乡照金的山水景观,重新感受《溪山行旅图》中所描绘的景象,在作者的带领下,更进一步地理解范宽山水绘画的艺术源流。
近年来,由于化石燃料的燃烧和烟花爆竹的燃放等行为,造成了严重的空气污染问题,使得空气质量不断下降。不论是国家、政府还是人民都想对空气质量进行评估,以便于采取相应措施将空气质量控制在一个合理的范围之内。而现有市场上的空气质量检测仪存在着体积较大且不利于随身携带等缺点,如果能够结合可穿戴设备体积小巧且方便穿戴的优点,便能随时随地对周围环境的空气质量进行实时监测,使得人们能够及时地了解到此时此刻的空气质
将深度学习技术应用于甲状腺超声图像中结节的检测与识别并辅助医师进行性状识别具有重要意义和应用价值。课题主要研究内容和取得的阶段性成果如下。首先,针对现有的甲状腺结节自动检测与识别方法在较高IoU阈值（IoU>=0.75）情况下,可能存在检测精度不高的问题。本文以当前目标检测领域先进的IoU-Net模型为基础,提出并构造了一个针对高质量的甲状腺结节自动检测与良恶性识别模型---Trident R-C
随着体育产业的蓬勃发展,体育图像数据量呈指数增长,对体育图像进行有效的分类就非常重要,这既可以方便用户快速检索和访问,也便于工作人员对体育图像资料进行存储和管理,同时还有助于体育产业的智能化发展。目前许多卷积神经网络在图像分类任务上取得非常好的精度,但网络模型的大小和运算量也随之增长,这就需要依赖计算机设备具有强大的计算能力和内存,这在一定程度上限制了卷积神经网络在资源有限的计算机设备上进行广泛的
在布匹的实际生产过程中,由于生产设备故障和操作不当等因素的影响,易致使布匹产生折痕、破洞等瑕疵。为保证产品质量,需要对布匹进行瑕疵检测识别,布匹瑕疵检测识别也成为纺织品企业生产和质量管理中的重要环节。但是目前纺织品企业大都是依靠人工肉眼去检测布匹是否存在瑕疵,这种方法不仅存在检测效率低下、缺乏一致性等问题,而且人工检测易受体能制约和主观因素影响,出现漏检和错检等问题。鉴于上述原因,设计并开发一种能
互联互通的全球化步伐逐渐加快,通过手机拍摄的文件、图书等文本图像成为便捷高效的信息交流形式。在文本图像分析流程中确定文本图像的语言种类,即文种识别,是多文种OCR技术的重要一步,对于索引和搜索等后续处理步骤至关重要。然而,文本图像在手机拍摄下容易发生仿射变化以及模糊失真等情况,增加了文种识别的难度。本文以提高文本图像文种识别准确率为目的,利用深度神经网络模型的优势进行文种识别的研究。主要研究工作如
当前水务部门的抄表存在着诸多问题,一是抄表人员通过手掌一体机到营业所下载抄表任务,然后携带抄表机奔赴现场抄表,从而导致人工效率低下、人工成本高;二是手掌一体机没有导航功能,在安排任务时需要考虑抄表人员对道路的熟悉程度,从而导致抄表计划安排比较困难;三是管理人员无法把控抄表人员的现场工作,无从考量抄表结果,从而导致监管不力等等。因此开发一套基于深度学习的智能抄表系统对水务部门来说是有意义和价值的。本