- 软件名称:基于Item2Vec负采样优化的专题地图产品个性化推荐方法研究
- 软件大小: 0.00 B
- 软件评级: ★★★★★★
- 开 发 商: 毛文山, 赵红莉, 孙凤娇, 蒋云钟, 姜倩, 朱彦儒
- 软件来源: 《地球信息科学学报》
- 解压密码:www.gissky.net
资源简介
摘要:
建立适用于专题地图产品检索的用户偏好推荐模型是提高专题地图质量的有效方式之一,在专题地图产品推荐场景中,存在严重的内容冷启动和评论数据稀疏问题,现有的推荐算法无法为特定类用户推荐不同特征的专题地图产品,导致用户从专题地图中获取偏好信息受到限制。因此,本文构建基于负采样的连续词袋模型和基于Word2Vec的Item2Vec相结合的用户偏好推荐方法,用于专题地图产品推荐。① 计算用户行为日志文件中交互行为数据的隐性评分,以代替专题地图推荐信息流场景中稀疏的用户评论数据;② 基于负采样的连续词袋模型提取目标专题地图的前后地图序列感知特征信息,通过控制正负样本比例为1:2,提升目标专题地图潜在评分的预测精度;③ 通过Item2Vec将带有用户行为特征信息的专题地图映射到向量空间,计算用户对专题地图的相似度矩阵,根据用户偏好程度完成推荐。在构建的专题地图评分实验数据集Thematic CMaps和4个公开验证数据集MovieLens上的测试结果表明:与LFM、Personal Rank、Content Based和SVD 4种传统推荐算法相比,本文所提方法可有效提高潜在评分的预测精度,推荐性能最高达到27.85%;与以霍夫曼采样方式的Item2Vec基础方法和YouTubeNet 2种神经网络推荐算法相比,评分预测精度有一定提高,且推荐性能不断提升,最高达到2.97%和5.78%。以经典算法奇异值分解(SVD)为例,将MovieLens-20M数据集切分后,在数据量不断增大的数据子集中,本文所用方法的评分预测精度和性能均优于SVD方法。
相关资源
下载说明
·如果您发现该资源不能下载,请通知管理员.gissky@gmail.com
·为确保下载的资源能正常使用,请使用[WinRAR v3.8]或以上版本解压本站资源,缺省解压密码www.gissky.net ,如果是压缩文件为分卷多文件,请依次下载每一个文件,并按照顺序命名为1.rar,2.rar,3.rar...,然后鼠标右击1.rar解压.
·为了保证您快速的下载速度,我们推荐您使用[网际快车]等专业工具下载.
·站内提供的资源纯属学习交流之用,如侵犯您的版权请与我们联系.