论文阅读——“推荐系统”
1.
智能推荐系统研究综述
胡琪1朱定局1吴惠粦2巫丽红3
1. 华南师范大学计算机学院2. 广州国家现代农业产业科技创新中心3. 广东农工商职业技术学院
摘要：伴随着电子商务平台和新型数字媒体服务迅速发展,网络数据规模持续增长,数据类型呈现多样化,如何从大规模数据中挖掘有价值的信息,已经成为信息技术的一项巨大挑战.推荐系统能够缓解“信息过载”问题,挖掘数据潜在价值,将个性化信息推送给有需要的用户,提高信息利用率.深度学习的表征能力与推荐系统相融合,有助于深层次地挖掘用户需求,提供精准的个性化推荐服务.本文首先分析传统推荐算法的优缺点,再总结深度学习技术在推荐系统中的研究进展.最后,分析和展望智能推荐系统未来发展方向.
关键词：
推荐系统;深度学习;信息过载;推荐算法;个性化;协同过滤;目标检测;
2.
信息智能推荐系统目标特征数据挖掘方法
刘张榕
福建林业职业技术学院信息工程系
摘要：为提高信息智能推荐系统的目标特征数据挖掘精度，提出新的信息智能推荐系统目标特征数据挖掘方法。采用分布式链路融合方法构建数据存储模型，在多维特征空间中实现对特征数据的解析，基于此分析目标特征分布集，根据大数据的关联规则分布特性，实现数据智能融合处理。采用显著度特征解析控制的方法提取目标特征模板匹配特征量，实现信息智能推荐系统目标特征数据的挖掘。实验结果表明，所提目标数据挖掘方法准确性较高，且信息智能推荐系统目标特征数据挖掘过程具有较为理想的聚类性。
关键词：
信息智能推荐;目标特征;数据挖掘;特征聚类;智能融合;
3.
旅游推荐系统中的过载与不持续使用行为：心理弹性的调节作用
鄢慧丽1林文静1熊浩2
1. 海南大学旅游学院2. 海南大学管理学院
摘要：推荐过载会导致旅游推荐系统用户的不持续使用行为。为揭示该过程的影响机制，本文以SSO框架为主体，引入倦怠和心理弹性两个变量构建了一个有调节的中介模型，并对回收的214份问卷进行实证研究，结果显示（：1）信息过载和系统功能过载均与不持续使用行为呈显著正相关（；2）旅游推荐系统倦怠在由过载引起不持续使用行为的过程中产生显著中介作用；（3）心理弹性在系统功能过载与旅游推荐系统倦怠之间起调节作用。本研究为旅游推荐系统开发者理解用户不持续使用行为提供了参考。
关键词：
信息过载;系统功能过载;旅游推荐系统倦怠;心理弹性;不持续使用行为;
4.
知识增强策略引导的交互式强化推荐系统
张宇奇黄晓雯桑基韬
北京交通大学
摘要：推荐系统是解决社会媒体信息过载问题的重要手段。为了解决传统推荐系统无法优化用户长期体验的问题，研究者们提出了交互式推荐系统，并尝试使用深度强化学习优化推荐策略。但是，强化推荐算法面临着反馈稀疏、从零学习损害用户体验、物品空间大等问题。为了解决上述问题，本文提出一种改进的知识增强策略引导的交互式强化推荐模型KGP-DQN。该模型构建行为知识图谱表示模块，将用户历史行为和知识图谱结合，解决反馈稀疏问题；构建策略初始化模块，根据用户历史行为为强化推荐系统提供初始化策略，解决从零学习损害用户体验问题；构建候选集筛选模块，根据行为知识图谱上的物品表示进行动态聚类从而减少物品空间，解决动作空间大的问题。本文在三个真实数据集上进行了实验，实验结果表明，KGP-DQN方法可以快速有效地对强化推荐系统进行训练，并取得不错的推荐效果。
关键词：
交互式推荐系统;深度强化学习;知识图谱;策略初始化;候选集筛选;
5.
联邦推荐系统综述
朱智韬1,2司世景1王健宗1肖京1
1. 平安科技(深圳)有限公司2. 中国科学技术大学
摘要：自联邦学习被提出以来，针对其优化方法和部署实现的快速发展步伐从未放缓。在联邦学习范式中，原始数据被本地存储在独立的用户客户端中，而脱敏数据被发送到中心服务器中加以聚合，这给众多领域提供了一种新颖的设计思路。考虑到传统推荐系统的研究方向集中于提高推荐效果，在资源节约、跨领域推荐、隐私保护等方面还具有很大改进空间，如何将联邦学习与推荐系统结合以缓解这些问题成为当前的一个研究热点。本文第一次对近年来基于联邦学习的推荐系统进行了全面的总结、比较与分析，首先介绍了推荐系统的传统实现方式及面临的瓶颈，然后，引入了联邦学习范式，并描述了联邦学习在隐私保护、利用多领域用户数据两方面给推荐系统带来的增益，以及二者结合的技术挑战，进而详细说明了现有的联邦推荐系统部署方式。最后，对联邦推荐系统未来的研究进行了展望与总结。
关键词：
联邦学习;推荐系统;隐私保护;协同过滤;深度学习;
6.
联邦个性化学习推荐系统研究
李康康1,2袁萌2林凡3
1. 江苏师范大学江苏省教育信息化工程技术研究中心2. 江苏师范大学智慧教育学院3. 厦门大学信息学院
摘要：当前，个性化学习推荐系统面临数据隐私保护、“冷启动”和法律约束等问题，而联邦学习作为近年来优秀的数据隐私保护机器学习技术解决方案，可有效解决这些问题。基于此，文章将联邦学习和个性化学习推荐相结合，设计了联邦个性化学习推荐系统。首先，文章分析了联邦个性化学习推荐系统的具体应用场景，包括横向联邦、纵向联邦、联邦强化三种。其次，文章分别针对这三种应用场景设计了相应的应用解决方案。最后，文章探讨了未来联邦个性化学习推荐系统面临的严峻挑战，以期帮助教育利益相关者在保护数据隐私的同时共享数据价值，最终实现更安全、更高质量的个性化学习推荐服务。
关键词：
联邦学习;个性化学习推荐;数据隐私;联邦推荐算法;
7.
基于SSM框架的大数据个性化推荐系统设计
王慧芳孙方陈玉朱茜
武昌工学院
摘要：传统大数据个性化推荐系统在分析过程中难以提取出相关特征，导致推荐内容失效，对此设计一种基于SSM（Spring+SpringMVC+MyBatis）框架的大数据个性化推荐系统。对系统硬件结构进行重新规划，并对中央处理器（Central Processing Unit,CPU）、接口、电路等的连接进行设计。软件设计中，设计基于SSM框架的数据采集流结构，利用潜在语义分析技术提升推荐系统的准确性。进行本文设计系统和传统系统性能对比实验，结果表明，本文设计系统的MAE和RMSE值更低，P值和R值更高，说明设计系统推荐预测准确度与传统系统相比有所提高。
关键词：
SSM框架;大数据;个性化推荐;
8.
高校图书推荐系统设计与实现
马鸿健张耘凡陈金部洪超
山东农业大学
摘要：针对传统的图书分类检索不足以引导读者快速获取图书的问题,借助基于用户的协同过滤算法构建高校图书推荐系统,实现个性化图书推荐服务。首先采集、整理和分析图书历史借阅数据;然后设计借阅时长评分函数计算图书评分构建用户-图书评分矩阵,利用评分矩阵计算读者间的相似度,寻找与读者兴趣爱好接近的邻居用户;最后通过预测评分公式计算读者对邻居用户借阅图书的预测评分,排序后生成推荐结果。系统实现了个性化图书推荐、相似兴趣的人、图书借阅排行等功能,通过挖掘读者的兴趣偏好和潜在需求为读者推荐个性化的图书信息资源。
关键词：
协同过滤;相似度;推荐系统;
9.
基于知识图谱的推荐系统研究综述
朱冬亮文奕万子琛
中国科学院成都文献情报中心中国科学院大学经济管理学院图书情报与档案管理系
摘要：【目的】对基于知识图谱的推荐系统相关成果进行归纳梳理和展望总结。【文献范围】以"knowledge graph"、"KG"、"recommendation system"、"RS"、"recommended system"、"知识图谱"、"推荐系统"等关键词在Web of Science、中国知网、万方等文献数据库中进行检索,经过文献筛选,对其中的70篇文献进行研究总结。【方法】归纳总结基于知识图谱的推荐算法分类,对不同算法分类下的推荐系统发展历程进行梳理,介绍典型算法并对未来发展前景进行展望。【结果】基于知识图谱的推荐系统按照算法思想差异可以分为基于连接的推荐、基于嵌入的推荐和基于混合的推荐。三种算法思想在不同的使用场景各有优缺点,如何充分利用图谱信息的同时减少算力消耗,未来值得关注。【局限】由于渠道限制,未能得到基于知识图谱的推荐系统一定数量的商业落地实例进行剖析对比。【结论】基于知识图谱的推荐系统有效改善了传统推荐算法的效果,结合机器学习思想的推荐算法值得进一步探索,如何在有效范围内降低模型消耗也需要考虑。
关键词：
知识图谱;推荐系统;数据挖掘;
10.
推荐系统研究进展与应用
黄勃1严非凡1张昊2李佩佩1王晨明1张佳豪1方志军1
1. 上海工程技术大学电子电气工程学院2. 江西中烟工业有限责任公司信息中心
摘要：推荐系统一直以来都是很活跃的研究方向。回顾了近5年来推荐系统涉及的数据集、算法、效果评估的研究发展状况,给出了推荐系统在互联网应用场景中的系统架构,从工业知识与经验以及工业生产工艺与工艺参数这两方面对推荐系统工业生产中的最新应用做了介绍。分析了推荐系统中"信息茧房"问题产生的原因,展望了未来推荐系统在"信息茧房"、可解释性、隐私性等方面的研究。
关键词：
推荐系统;推荐算法;深度学习;推荐系统的应用;
论文阅读——“推荐系统”相关推荐
- 推荐系统论文阅读——Factorizing Personalized Markov Chains for Next-Basket Recommendation
转自博客:https://blog.csdn.net/stalbo/article/details/78555477 论文题目:Factorizing Personalized Markov Chai ...
- WSDM 2022 推荐系统论文阅读（中）
继续上一篇文章来阅读WSDM 2022中推荐系统的论文: WSDM 2022 推荐系统论文阅读(上) 声明:本论文阅读笔记主要是对论文摘要的概括,评论仅代表个人的阅读观点,欢迎大家在评论区讨论! 1. ...
- 推荐系统公平性论文阅读(六)
做为最后一篇论文阅读记录,我决定对我目前为止粗读和精读的论文进行一次总结,然后陈述一些个人对该研究领域的见解和想法. 论文总结归纳 推荐系统中的偏差和不公平现象是随着推荐算法的诞生就与生俱来的,而不是 ...
- 推荐系统模型论文阅读笔记
推荐模型概论 Wide & Deep DeepFM 如何插入一段漂亮的代码片 生成一个适合你的列表 创建一个表格 设定内容居中.居左.居右 SmartyPants 创建一个自定义列表 如何创建 ...
- 【论文阅读】A Gentle Introduction to Graph Neural Networks [图神经网络入门]（1）
[论文阅读]A Gentle Introduction to Graph Neural Networks [图神经网络入门](1) 最近读了一篇Distill网站上的一篇文章,讲的是图神经网络的入门, ...
- YOLOv4论文阅读（附原文翻译）
YOLOv4论文阅读(附原文翻译) 论文阅读 论文翻译 Abstract摘要 1.Introduction 引言 2.Related work相关工作 2.1.Object detection mod ...
- [论文阅读] (22)图神经网络及认知推理总结和普及-清华唐杰老师
<娜璋带你读论文>系列主要是督促自己阅读优秀论文及听取学术讲座,并分享给大家,希望您喜欢.由于作者的英文水平和学术能力不高,需要不断提升,所以还请大家批评指正,非常欢迎大家给我留言评论,学 ...
- 深度学习论文阅读目标检测篇（七）中英对照版：YOLOv4《Optimal Speed and Accuracy of Object Detection》
深度学习论文阅读目标检测篇(七)中英对照版:YOLOv4<Optimal Speed and Accuracy of Object Detection> Abstract 摘要 1. In ...
- 论文阅读：LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation
论文阅读:LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation paper:https:// ...
最新文章
- 解决oracle ORA-01078，LRM-00109故障一例！
- java加密方式有哪些_面完平安JAVA，他们说了这些
- Excel图表横坐标设置怎么做？(亲测)
- leetcode357. 计算各个位数不同的数字个数（回溯）
- 周三直播丨Oracle 12cR2 ADG LGWR Library Cache案例分享
- vm虚拟机联网最简单的方式
- _2020年10个最好的Linux发行版本
- 安全测试之sql注入
- python与plc通讯实例_python连接plc 相关实例(示例源码)下载 - 好例子网
- 三次样条插值算法实现曲线拟合
- 数列极限的性质与判定
- AI和数学领域的咖啡甜心(一)：DeepFace基础
- SphereEx张亮：“开源和商业化不能形成对立”
- 单片机及开发板介绍（学习笔记）
- 女孩子取什么名字好听又独特？自己家的宝宝就要个好名字
- 《墨菲定律》读书笔记（下）
- python3使用付费代理和ip池的维护
- 杭州封杀嘀嘀、快的打车的加价功能
- 麻雀搜索算法（SSA）求解二元一次函数（附完整代码）
- Rust 不同方式创建Arc对象性能对比