【摘 要】
：
在“互联网+”时代,随着信息量的不断扩增,人们的兴趣也变得多种多样,如何使人们在巨量的信息中快速准确地找到符合需求的信息就成为当下亟待解决的问题。推荐系统作为一种有效的信息过滤手段被广泛应用于工业界和学术界,因此对推荐系统的研究也成为最热门的课题。大多数推荐方法一般都采用深度学习与协同过滤相结合的方法,在一定程度上提高了推荐的性能,然而这些方法依然存在以下四个问题:（1）不能捕获用户动态变化的兴趣
论文部分内容阅读
在“互联网+”时代,随着信息量的不断扩增,人们的兴趣也变得多种多样,如何使人们在巨量的信息中快速准确地找到符合需求的信息就成为当下亟待解决的问题。推荐系统作为一种有效的信息过滤手段被广泛应用于工业界和学术界,因此对推荐系统的研究也成为最热门的课题。大多数推荐方法一般都采用深度学习与协同过滤相结合的方法,在一定程度上提高了推荐的性能,然而这些方法依然存在以下四个问题:（1）不能捕获用户动态变化的兴趣;（2）较少考虑到用户的微观行为对推荐性能的影响;（3）缺少对长距离依赖关系的建模;（4）在构建候选物品集时没有考虑物品之间的联系。为了缓解上述几个问题,本文基于深度强化学习与知识图谱提出了两个推荐模型,主要工作如下:1.提出了基于深度强化学习Actor-Critic的推荐模型。把用户的历史交互记录按时间排序分组,以会话的形式输入模型。模型的输入包括两个部分,分别是物品序列和相应的行为序列,并且单独建模两个序列的转换模式。对模型中用到的门控循环单元做了改进以获取当前行为的重要性。此外,利用自注意力机制能兼顾上下文来建模长序列的依赖关系,避免会话过长导致信息丢失。构建了环境模拟器模拟线上环境,获得用户的反馈信息,以此调整推荐策略。该模型利用深度确定性策略梯度的方法进行训练。2.提出了基于深度强化学习与知识图谱的推荐模型。该模型是在上述模型的基础上用知识图谱构建与用户偏好相关的物品候选集,减少计算成本,提升推荐准确性。该知识图谱蕴含了实体之间的关系,能够获取物品的高阶连通性,选择与用户偏好相关的物品,过滤掉不相关的物品。在JData和KKBOX两个数据集上进行了实验,实验结果证明了加入用户的行为信息能细粒度地挖掘用户兴趣,自注意力机制能捕获长距离依赖关系,将知识图谱作为辅助信息构建候选物品集能提高推荐性能。
其他文献
转置泊松超代数是转置泊松代数的一种推广.本文在此基础上得到了转置泊松超代数张量积仍是转置泊松超代数的结果.通过几类相关的超代数的研究,构造出了新的转置泊松超代数.接着研究了转置泊松超代数的中心扩张及泛中心扩张.进一步,引入了泊松3-李超代数和转置泊松3-李超代数的概念,获得了转置泊松超代数与3-李超代数和转置泊松3-李超代数之间的联系.最后,我们引入了pre-李超代数上N超算子、O超算子及R-B超
蛋白质泛素化修饰在细胞信号转导、细胞周期调控、DNA损伤应答和细胞免疫应答等众多生命过程中发挥关键调控作用。研究人员在多种遗传性的退行性疾病中发现了蛋白质泛素化修饰的改变,说明其与相关疾病的发生密切相关,揭示其调控机制对这些疾病的诊疗以及相关药物开发都具有重要意义。通过生物实验已经识别出了大量泛素化蛋白及其修饰位点,然而,生物实验难以进行快速大规模的位点识别。因此,生物信息学方法被引入到该研究领域
近年来,随着我国经济飞速发展,房地产行业在其中起着至关重要的作用。房地产价值的变动也会体现出国家经济发展的变化,而国家经济的波动或者国家针对房地产的宏观调控也会影响着房地产价值的走势,因此对于房地产的深入研究对国家发展或是国民生活都有着重要意义。然而真实的市场中存在各种各样的因素影响房产价值,因此对房产价值的评估变得十分困难。本文应用长春真实的房地产数据,通过多模态特征提取,对评估房产价值以及探究
随着图像数量日益激增,让机器自动识别图像内容,并用符合人们阅读习惯的语句描述图像内容的图像文本描述技术,成为目前人工智能领域一项重要的研究内容。图像文本描述技术的主要目标是让机器实现“看图说话”,“看图说话”同时也是幼儿教育的主要任务之一。通过图像文本描述技术,幼儿跟随机器一起进行“看图说话”,这将在一定程度上辅助引导幼儿理解图像内容,激发幼儿的学习兴趣。本文的研究目标是利用图像文本描述技术设计并
最小顶点覆盖问题（MVC）是组合优化领域的一类常见问题,在这类问题中,部分顶点覆盖问题（PVC）是其中一个热门研究方向。我们生活中很多问题都可以转化为PVC问题,比如监控设备安装问题、高校教师排课系统、网络优化问题、线路规划问题等。PVC问题属于NP难问题,也就是说随着数据规模的增大,问题的求解时间往往呈指数级增长,这种情况下要求出问题的精确解所需要的时间开销是难以忍受的,因此近似算法成为解决PV
翻译后修饰（PTM）是指在蛋白质生物合成后对蛋白质进行共价修饰,通常是酶修饰。蛋白质翻译后修饰在蛋白质的加工、成熟以及改变蛋白质的物理和化学性质中起着非常重要的作用。蛋白质亚硝基化是一种重要的、可逆的蛋白质翻译后修饰,涉及一系列生物过程。此外,越来越多的人类疾病被发现与亚硝基化异常密切相关。因此,识别和理解亚硝基化对于细胞生物学的研究、疾病治疗十分重要。亚硝基化位点的准确预测不仅有助于揭示亚硝基化
随着在线医疗服务平台的发展,积累了大量的电子健康记录,使得患者可以从丰富的医疗信息资源中获得更好的医疗服务。然而,患者很难从复杂的信息资源中找到最适合医治自己疾病的医生。这些医疗数据中存在许多无法察觉但是又十分重要的联系,所以发现数据中内部关联对于疾病预测及医生推荐问题具有一定的研究价值。有效分析和挖掘电子健康记录对患者及时、准确获得治疗也具有重要意义。传统的医疗诊断方式往往凭借医生的专业知识和实
蛋白质结构预测的研究对了解蛋白质功能、促进蛋白质工程以及药物的研发具有重要意义。而跨膜蛋白则是蛋白质中结构比较特殊的一类蛋白,其通过特殊的跨膜结构穿透磷脂双分子层长期稳定地固定在生物膜上,是生物膜功能的主要承担者。因此,跨膜蛋白结构的研究具有非常重要的生物学和医学意义。根据跨膜区结构的不同,跨膜蛋白可以分为α螺旋和β桶状跨膜蛋白两大类。作为跨膜蛋白中重要一类的α螺旋跨膜蛋白,其结构的研究对于跨膜蛋
RNA与蛋白质的相互作用在许多重要的生物学过程中起着重要的作用。基于新一代测序技术的创新和发展过程,数以百计的RNA结合蛋白（RBP）及其相应的RNA被逐渐发现。通过对其生物学进程的总结和分析,使得在计算生物学方面,利用机器学习的方法对RNA-蛋白质相互作用进行大规模预测成为可能。到目前为止,在计算生物学领域的学者已经在此问题上探究和开发出了多种计算工具和方法,其中就包括深度学习模型,同时也利用基