基于深度学习与多目标优化的电影推荐系统研究
这是一篇关于深度学习,推荐系统,准确性,多样性,多目标优化的论文, 主要内容为随着互联网和信息技术的迅猛发展,推荐算法已广泛运用于各个领域。然而,传统的推荐算法,如协同过滤算法等,存在着冷启动和数据稀疏的难题,推荐目标单一化问题也对推荐结果的准确性和多样性产生了不利影响。深度学习通过自动特征学习和预训练模型等技术手段,在一定程度上解决数据稀疏和冷启动问题。此外,使用多目标优化算法可以克服传统推荐算法中推荐结果单一化的问题,从而提升推荐结果的多样性和个性化程度。因此,论文提出了基于深度学习和多目标优化的电影推荐算法,为用户推荐准确且多样的电影。具体工作从以下三个方面展开:(1)针对传统推荐算法中存在的冷启动以及数据稀疏问题,论文提出了基于深度学习与矩阵分解的混合推荐算法MC-SVD。MC-SVD算法利用多层感知机(MLP)和卷积神经网络(CNN)深度学习模型分别从用户和电影的基本属性信息中提取深层特征向量。利用Funk SVD矩阵分解模型从用户-电影评分数据中获取用户和电影的潜在因子向量,并与深度学习阶段得到的深层特征向量相融合进行评分预测。通过评分的Top-k构建电影推荐候选集。经过Movie Lens电影数据集的实验证明,该算法能够有效提升推荐的准确性,并且能够缓解冷启动和数据稀疏问题。(2)针对目前推荐系统存在的推荐目标单一化问题,论文提出了基于免疫多目标优化的推荐算法ACM-NNIA。该算法对多目标优化算法NNIA进行优化改进,引入了自适应调整交叉和变异概率的方法,并将推荐准确性和多样性作为目标函数,将MC-SVD算法生成的电影推荐候选集作为初始种群,通过计算抗体间的亲和度,采取克隆、自适应交叉和变异等操作,得到最终的Top-N电影推荐列表。通过仿真实验证明,该算法能够产生兼具准确性和多样性的电影推荐列表。结合上述对MC-SVD算法和ACM-NNIA算法模型的研究,以及对基于深度学习与多目标优化的电影推荐系统的需求分析和详细设计,最终完成了电影推荐系统的设计与实现。通过实验证明,该系统能够为用户提供准确、多样的电影推荐。
民航空管传输业务故障诊断系统的设计与实现
这是一篇关于故障诊断,传输业务,神经网络,高效性,准确性的论文, 主要内容为民航空管传输系统作为管制员与飞行员之间信息沟通的桥梁,传输业务的质量会直接影响着航空安全。民航空管传输业务即雷达、甚高频,当民航空管传输系统其任一环节出现故障时,都会引起业务数据信息异常,导致故障现象的发生。民航空管传输业务传统的故障诊断方式仅仅是维护人员工作经验对故障做出主观判断,这是远远不够的。本论文选题为设计与实现民航空管传输业务故障诊断系统。所设计实现的民航空管传输业务故障诊断系统采用B/S架构,系统使用SecureCRT、神经网络、PHP技术,数据库使用MySQL,论文的主要工作内容包括:(1)首先系统需求分析阶段,对维护人员进行需求调研,结合自身维护经验,了解民航空管传输业务的特性和维护人员故障处理的流程,得到初步的用例模型,提出系统功能需求。在此基础上,画出系统功能活动图,完善初步的用例模型,得到系统用例模型及系统性能需求,完成系统需求分析;(2)接着在系统需求分析的基础上,提出一个可执行、完整的设计方案。从系统概要设计、系统功能详细设计及数据库设计来描述系统整体设计方案。在系统功能详细设计中,对系统各功能建立了程序流程图,为实现系统功能做铺垫;(3)根据需求分析和设计,实现民航空管传输业务故障诊断系统。本文所实现的系统功能包括故障诊断功能和数据库维护、系统登录、台站拓扑图、留言板功能。最后使用系统故障诊断功能对传输业务故障进行实例测试,验证故障诊断功能的高效性与准确性。系统故障诊断功能分为自动诊断和人工干预诊断,其中,自动诊断功能是以神经网络为依据,对业务数据信息中的本端数据、本端错包、远端数据、远端错包、远端CRC、中继时延进行诊断,使用Matlab读取训练好的神经网络模型,以会话文档中的业务数据信息作为神经网络的输入,输出结果后将结果存储至数据库并输出至人机接口页面。人工干预诊断功能是传输业务故障发生时,维护人员根据故障现象逻辑表,人工检查故障产生的现象,之后在页面输入故障现象,查询知识库输出对应结果。接下来的研究方向是采集大量业务数据信息,优化神经网络模型。
民航空管传输业务故障诊断系统的设计与实现
这是一篇关于故障诊断,传输业务,神经网络,高效性,准确性的论文, 主要内容为民航空管传输系统作为管制员与飞行员之间信息沟通的桥梁,传输业务的质量会直接影响着航空安全。民航空管传输业务即雷达、甚高频,当民航空管传输系统其任一环节出现故障时,都会引起业务数据信息异常,导致故障现象的发生。民航空管传输业务传统的故障诊断方式仅仅是维护人员工作经验对故障做出主观判断,这是远远不够的。本论文选题为设计与实现民航空管传输业务故障诊断系统。所设计实现的民航空管传输业务故障诊断系统采用B/S架构,系统使用SecureCRT、神经网络、PHP技术,数据库使用MySQL,论文的主要工作内容包括:(1)首先系统需求分析阶段,对维护人员进行需求调研,结合自身维护经验,了解民航空管传输业务的特性和维护人员故障处理的流程,得到初步的用例模型,提出系统功能需求。在此基础上,画出系统功能活动图,完善初步的用例模型,得到系统用例模型及系统性能需求,完成系统需求分析;(2)接着在系统需求分析的基础上,提出一个可执行、完整的设计方案。从系统概要设计、系统功能详细设计及数据库设计来描述系统整体设计方案。在系统功能详细设计中,对系统各功能建立了程序流程图,为实现系统功能做铺垫;(3)根据需求分析和设计,实现民航空管传输业务故障诊断系统。本文所实现的系统功能包括故障诊断功能和数据库维护、系统登录、台站拓扑图、留言板功能。最后使用系统故障诊断功能对传输业务故障进行实例测试,验证故障诊断功能的高效性与准确性。系统故障诊断功能分为自动诊断和人工干预诊断,其中,自动诊断功能是以神经网络为依据,对业务数据信息中的本端数据、本端错包、远端数据、远端错包、远端CRC、中继时延进行诊断,使用Matlab读取训练好的神经网络模型,以会话文档中的业务数据信息作为神经网络的输入,输出结果后将结果存储至数据库并输出至人机接口页面。人工干预诊断功能是传输业务故障发生时,维护人员根据故障现象逻辑表,人工检查故障产生的现象,之后在页面输入故障现象,查询知识库输出对应结果。接下来的研究方向是采集大量业务数据信息,优化神经网络模型。
基于标签的个性化推荐系统的研究
这是一篇关于推荐系统,标签,准确性,新颖性的论文, 主要内容为随着信息技术和互联网的飞速发展，网络中的数据信息不断的巨增。如何快速的帮助用户在大量的数据信息中发现对他们有价值的信息，和如何让网络中的数据信息受到更多用户的关注成为有待解决的问题。而个性化推荐系统是解决该问题的一个重要工具。 最近几年，越来越多的研究者对基于标签的推荐算法开始关注。但是，传统的基于标签的推荐算法仅仅只对用户是否选择过项目进行判断，而忽略了用户对项目的行为信息的研究。并且大多数算法都把那些流行的热门的商品推荐给用户，而对影响推荐结果的项目的受欢的程度却没有考虑，从而忽略了多样性、新颖性等重要指标的衡量。针对上述问题，本文在研究分析已有的基于用户标签的推荐算法的基础上，提出了一种改进的基于标签的个性化推荐算法。主要工作包括以下几个方面： ①在推荐算法的相关技术方面做了深入调研。分析了目前几种最常用的推荐算法，并对这几种推荐算法的优劣进行了比较。其中，详细分析和研究了基于标签的推荐算法。 ②考虑到用户的标签数据对推荐新颖性和可解释性的影响，利用用户标签行为数据构成标签的推荐系统，并对不同标签下用户的推荐结果进行分析得到更合理的推荐结果。 ③为了降低给热门标签对应的热门物品很大的权重，提高推荐结果的新颖性，利用用户的标签向量对用户兴趣建模的改进，降低对热门物品打标签的次数，提高算法的新颖性和准确性。 ④采用MovieLens网站提供的数据集对改进的基于标签的推荐算法进行测试，从准确性、多样性以及新颖性三个方面进行分析。实验结果表明改进算法在三个方面都有较好的表现，验证了算法的可行性和有效性。
协同标注系统中基于随机游走的个性化推荐研究
这是一篇关于推荐系统,随机游走模型,Folksonomy,二部图,资源聚类,准确性,多样性的论文, 主要内容为互联网技术的迅猛发展以及智能终端的广泛普及,使得网络信息得到了前所未有的爆炸式增长。然而这种快速的增长同时带来了两个重要问题：首先,用户难以从信息的海洋中提取自己所需要的信息。其次,一些有价值的信息因得不到关注而石沉大海。推荐系统是解决这些问题的重要技术手段之一,它能够对用户与信息特征做匹配而进行推荐。推荐系统根据推荐的方法不同可分为协同过滤、基于内容推荐、基于知识推荐以及组合推荐等。然而,由于信息海量而导致的数据稀疏等问题却是传统推荐系统的软肋。 随机游走模型被广泛的认同是解决数据稀疏问题的一个重要途径。Folksonomy协同标注系统所形成的标签,不但可以用于对信息资源的分类与管理,而且还可以视为用户特征的描述,是用户与信息资源连接的纽带。基于随机游走模型与Folksonomy,本文提出了一种基于带权二部图与资源聚类的个性化推荐模型。该模型考虑了用户、标签和资源三类节点在推荐过程中的不同作用,分两阶段随机游走完成推荐。通过Last.FM与MovieLens数据集的实验,证明提出的模型能够大幅提高推荐的准确性。 准确性一直是推荐效果的主要评价指标,但多样性也是体现推荐质量的一个重要方面。针对提出的推荐模型,本文又引入了一种平衡推荐准确性与多样性的方法,首先介绍一种异构推荐模型下同时考虑准确性与多样性的评估方法,基于此方法采用贪婪策略,近似寻优一个多样化的推荐子集。本文采用组合推荐的递进策略,将该方法与本文提出的个性化推荐模型组合。实验证实,该方法可以使推荐的多样性得到有效提升。
民航空管传输业务故障诊断系统的设计与实现
这是一篇关于故障诊断,传输业务,神经网络,高效性,准确性的论文, 主要内容为民航空管传输系统作为管制员与飞行员之间信息沟通的桥梁,传输业务的质量会直接影响着航空安全。民航空管传输业务即雷达、甚高频,当民航空管传输系统其任一环节出现故障时,都会引起业务数据信息异常,导致故障现象的发生。民航空管传输业务传统的故障诊断方式仅仅是维护人员工作经验对故障做出主观判断,这是远远不够的。本论文选题为设计与实现民航空管传输业务故障诊断系统。所设计实现的民航空管传输业务故障诊断系统采用B/S架构,系统使用SecureCRT、神经网络、PHP技术,数据库使用MySQL,论文的主要工作内容包括:(1)首先系统需求分析阶段,对维护人员进行需求调研,结合自身维护经验,了解民航空管传输业务的特性和维护人员故障处理的流程,得到初步的用例模型,提出系统功能需求。在此基础上,画出系统功能活动图,完善初步的用例模型,得到系统用例模型及系统性能需求,完成系统需求分析;(2)接着在系统需求分析的基础上,提出一个可执行、完整的设计方案。从系统概要设计、系统功能详细设计及数据库设计来描述系统整体设计方案。在系统功能详细设计中,对系统各功能建立了程序流程图,为实现系统功能做铺垫;(3)根据需求分析和设计,实现民航空管传输业务故障诊断系统。本文所实现的系统功能包括故障诊断功能和数据库维护、系统登录、台站拓扑图、留言板功能。最后使用系统故障诊断功能对传输业务故障进行实例测试,验证故障诊断功能的高效性与准确性。系统故障诊断功能分为自动诊断和人工干预诊断,其中,自动诊断功能是以神经网络为依据,对业务数据信息中的本端数据、本端错包、远端数据、远端错包、远端CRC、中继时延进行诊断,使用Matlab读取训练好的神经网络模型,以会话文档中的业务数据信息作为神经网络的输入,输出结果后将结果存储至数据库并输出至人机接口页面。人工干预诊断功能是传输业务故障发生时,维护人员根据故障现象逻辑表,人工检查故障产生的现象,之后在页面输入故障现象,查询知识库输出对应结果。接下来的研究方向是采集大量业务数据信息,优化神经网络模型。
基于Spark的推荐系统的研究
这是一篇关于推荐系统,协同过滤,Spark,ALS,准确性的论文, 主要内容为在当今时代互联网的飞速发展,面对互联网中大量的数据,如何从数据中发掘出对用户有价值的信息是具有重大意义的。推荐系统是一种从用户的行为表现的数据中为用户寻找出其感兴趣的信息的一种应用。其应用在多个领域包括电子商务,音乐和视频等多个门户。其中,推荐算法作为推荐系统中实现数据挖掘的重要的组成部分,但是随着用户和商品的增长,数据量也大幅度增长,仍然存在数据的稀疏性问题,系统预测不准确的问题。传统的基于单机的推荐算法需要耗费大量的时间,这并不能符合当今的商业时代的需求,解决这一问题需将单机的算法进行并行化实现。Spark作为一个基于内存的分布式的计算框架,特点是进行迭代式的运算。本文主要研究了推荐系统中的两种推荐算法包括基于邻域的推荐算法和基于模型的推荐算法,针对以上提到的准确性,数据稀疏性的问题等,将算法进行改进,并将在Spark平台上并行化实现和优化。主要包括以下三个方面:(1)针对基于用户的协同过滤算法存在用户-评分矩阵数据稀疏的问题,引入了基于用户的属性的特征相似度,在计算本文的用户相似度的情况下,将传统的用户的协同过滤相似度和用户的属性的特征相似度结合,通过此来降低的评分的数据的稀疏性,在Spark平台并行优化后的算法,对实验的结果进行分析,提高了算法的执行的效率和推荐的准确性。(2)针对基于物品的协同过滤算法在冷启动和预测准确率不理想的问题,引入了基于物品的属性的特征相似度,在计算本文的物品相似度的情况下,将物品的协同过滤相似度和物品的属性的特征相似度结合,通过此来缓解冷启动带来的计算相似度的问题,在Spark平台并行优化后的算法,对实验的结果进行分析,提高了算法的执行的效率和推荐的准确性。(3)基于模型ALS的推荐算法是一个离线算法,缺乏实时性的特点,无法准确评估新加入的用户。在本文中,对于不同的参数加入不同的权重,对目标函数进行优化,将ALS的推荐算法结合Spark平台并行化,在新的目标函数下,解决了实时性,提供了准确率和快速性。
基于两阶段筛选邻居的多样化推荐策略研究
这是一篇关于推荐系统,协同过滤,多样性,准确性的论文, 主要内容为推荐系统在电子商务等领域扮演着重要的角色,它能帮助用户从庞大的信息库中过滤掉无用信息,将其感兴趣的信息呈现在用户面前。基于协同过滤的推荐系统是一种通过分析用户的历史评分信息来预测用户偏好的重要工具。然而,传统的协同过滤方法通常根据用户相似性执行一次选择邻居的过程实现准确的推荐,而忽视了用户对多样性的需求。如何在保持较高准确性的前提下,提高推荐的多样性,是推荐系统的一个重要研究问题。为了解决准确性和多样性的平衡问题,本文提出一种两阶段筛选邻居的方法,在选择邻居时同时考虑邻居与目标用户的相似性以及邻居之间的多样性。第一阶段,根据Jaccard指数计算用户之间的相似性,基于此选择与目标用户最相似的用户作为邻居。第二阶段,根据改进的积矩相关系数公式计算用户对项目属性的偏好程度,在此基础上得到用户的兴趣范围和兴趣排名,进而构建兴趣差异性模型,根据用户的兴趣范围和兴趣排名计算用户之间的兴趣差异性,得到兴趣差异性矩阵。抽取第一阶段选择的邻居对应的兴趣相异性子矩阵,并根据该子矩阵对邻居进行层次聚类,基于此选择多样化的邻居。本文采用两阶段选择邻居的方法选择一组与目标用户相似同时彼此之间兴趣相异的邻居,最终实现了在保证准确性的前提下,提高多样性的目的。分别在两个不同来源的数据集上进行了实验,实验结果显示,综合考虑准确性与多样性,本文提出的算法相比于对比算法表现更优。为提高个性化推荐的准确性和多样性提供了新的思路。最后分析了本文提出的算法在信息化采购场景中的适用性,验证了算法的实际意义。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码小屋 ，原文地址：https://m.bishedaima.com/lunwen/54938.html
