【摘 要】
：
个性化推荐是一种广泛应用的技术,但流行度偏差已成为该系统的一个重要问题。为了解决这个问题,本文提出了一个方法,即通过动态的商品流行度作为排序依据来推荐长尾分布以优化商品序列化推荐结果,从而缓解流行度偏差。本文的研究分为两个部分,即流行度的表征和预测以及融合商品流行度信息的序列化推荐。为了更准确地提取商品的动态流行度信息,本文提出了一种新的图结构,命名为“用户商品流量图”。并设计了新的采样方法和聚合
论文部分内容阅读
个性化推荐是一种广泛应用的技术,但流行度偏差已成为该系统的一个重要问题。为了解决这个问题,本文提出了一个方法,即通过动态的商品流行度作为排序依据来推荐长尾分布以优化商品序列化推荐结果,从而缓解流行度偏差。本文的研究分为两个部分,即流行度的表征和预测以及融合商品流行度信息的序列化推荐。为了更准确地提取商品的动态流行度信息,本文提出了一种新的图结构,命名为“用户商品流量图”。并设计了新的采样方法和聚合函数,以提取用户商品之间较复杂的流量传递信息。在提取向量表征后,本文利用时序预测模型预测商品流行度的变动趋势。通过实验分析,相比于使用GAT自动学习权重的方法,本文基于Graph SAGE设计的新的采样和聚合方法在节点分类任务上的性能更优。充分证明了用户商品流量图的价值以及采样和聚合函数设计的合理性。为了让序列化推荐更好的适应用户商品流量传递的实时变化,本文提出新的SASRec-P模型,区别于原基准模型,通过将数据集划分为近期和长期两个部分分别提取商品的流行度信息和用户的个性化信息,使序列化推荐模型在融合动态的流行度信息同时具备个性化。最后本文基于序列化推荐研究兼顾推荐结果的多样性和相关性方法,用一种基于流行度的Re-ranking方法重新排序商品。实验表明,模型能在不显着降低排名性能的情况下提高长尾商品的覆盖率,以此缓解流行度偏差等问题,从而得到更准确的推荐结果。
其他文献
SAW/BAW器件凭借高性能、低损耗、小尺寸等优点被广泛应用于移动通信系统的射频前端,是实现信号选择和保证通信质量的关键元器件。第五代移动通信技术（5G）对射频前端的多通带和功率处理能力提出了更严苛的要求,射频模组的集成化程度和功率密度持续增高,这使得射频前端器件面临严重的非线性问题。SAW/BAW器件产生的非线性谐波和互调失真（IMD）会显著恶化信号收发灵敏度。目前,SAW/BAW器件非线性的产
青少年在体育锻炼中体现的“教不会、赛不了”等突出问题逐渐得到关注,高中阶段是培养学生运动技能与锻炼态度的重要时期,体育课是其参与身体活动的主要时段,因此,体育教学课中身体活动的研究显得尤为必要。本研究从40分钟篮球专项课出发,对高二篮球专项班学生进行8周不同累积时间中-高强度身体活动（Moderate-to-Vigorous Physical Activity,MVPA）的实验干预,检验并分析结果
非稳定训练是近年来竞技体育中比较流行的体能训练和康复训练方法之一,在国际上,非稳定训练方法已成为一种新的运动项目技术动作研究与教学的手段,并取得了显著成绩。它是一种徒手或借助特定的体育器械,使人体处于不稳定状态下,可更为有效地激发核心肌群的体能训练方式。这种训练方法不仅能提高运动员身体素质、提高肌肉力量和耐力,并增强协调性,提高运动成绩,而且对促进机体康复也有积极作用。作为体能训练新的手段,目前尚
点胶是微电子封装和表面贴装中必不可少的工序之一。时间-压力式点胶因为结构简单、设备维护方便而被大规模使用,但其缺点在于难以保证出胶量的高精度和高稳定性。长期以来,人们一直在研究如何对时间-压力点胶系统进行建模,以便实现自动控制。然而由于点胶涉及胶体流变特性和气体可压缩性,模型的效果和精度较难保证。近年来,随着深度学习技术的发展,深度神经网络被广泛应用于工业生产和自动控制领域。深度神经网络具有较强的
随着城镇化和现代化的迅速发展,我国汽车拥有量不断增加,这就造成了城市面临交通拥堵的严峻考验。为解决这一难题,准确而有效地进行交通流量预测已成为智能交通系统中至关重要的一部分。交通流量预测是否准确可靠,对提供数据驱动交通智能决策,优化交通调度,从而降低交通拥堵具有重要意义。时空数据蕴含巨大的应用价值,对时空数据的智能分析和预测是智慧城市和空间大数据领域的重要问题。有效发掘时空数据的时空规律和知识,对
目前在我国的眼底医生只有三万人左右,面对十几亿人,没有方法进行大范围的检测。近年来,大量的研究表明,通过人工智能、机器学习等技术手段,能够有效地提高医务人员的工作效率,显著地降低医务人员的劳动成本,并在一定程度上缓解了医务人员的紧缺。通过人工智能神经网络模型的分析结果,可以将眼底检查的工作效率提升数十倍甚至数百倍,从而能够从庞大的群体中筛选出有问题的群体,并实现对其进行定量分析,这是一项重大的技术
近年来,随着国内外学者对微机光电系统的不断研究,微机光电技术被广泛应用在各个领域。而MEMS电磁驱动式微镜作为其中最具潜力的一项应用产品,以其响应速度快、响应频率高、集成度高等特点被广泛应用于航天工业、激光通信、汽车行业等多个领域。其工作原理是通过给电磁线圈施加驱动电流,使其产生电磁场,反射镜面与其发生作用产生洛伦兹力从而发生偏转。通过控制驱动信号的幅度和频率,即可控制电磁驱动式微镜在二维方向上的
传统的状态估计方法,如卡尔曼滤波、极大似然估计等,通常需要系统噪声或干扰的统计特性已知或部分已知。但在实际应用中,由于观测数据不足,很难获取噪声或干扰的统计特性,因而具有一定的局限性。集员估计作为一种基于区间或集合的状态估计方法,假设系统的噪声或干扰未知但有界,可以得到系统的可行状态集。基于状态估计与残差的故障诊断方法在工业与控制领域得到广泛应用,由于状态估计的保守性问题,残差的选取对故障诊断影响
随着科技的发展,教育信息化的普及为教育工作提供了史无前例的机会和挑战。大规模开放在线课程MOOC变得普及,学习者可以根据自己的时间和地点自由选择课程、自主学习。随着MOOC平台和课程的不断涌现,网络上拥有了大量丰富的学习资源,为学习者提供了更多的选择,但也使得他们面临着更多的知识挑战,知识分散、碎片化等问题日益突出。本文旨在通过“数据结构”MOOC课程的知识图谱可视化展示,深入探讨知识结构及知识点
近年来,全球男性不育问题越来越普遍,导致不孕症患病率不断上升。虽然辅助生殖技术（ART）的使用越来越普遍,但由于精子和卵子的质量对ART的影响很大,因此需要对精液质量进行评估。然而,传统的人工精液评估方法存在成本高昂和人为误差等问题。近年来,随着计算机视觉技术的快速发展,基于计算机视觉的精子检测算法逐渐研究热点。然而,这些算法在算法流程和计算量方面存在一定的复杂性,导致其在实际应用中存在一定的局限