【摘 要】
：
当今,随着信息数量快速增长，信息过载问题越来越显著。推荐系统是解决这一问题的重要方法，可以帮助用户从大量的数据中找到可有效利用的信息，从而缓解信息过载问题。现在，大多数电子商务和社交网站等在线服务中都使用了推荐引擎向其用户显示推荐用户感兴趣的项目。YouTube上60％的视频播放量来自其主页推荐，而Netflix用户观看量的80％也来自其推荐系统。此外，推荐系统为亚马逊公司增加了35%的利润。因此
【机 构】
：
华北电力大学(保定) 华北电力大学
论文部分内容阅读
当今,随着信息数量快速增长，信息过载问题越来越显著。推荐系统是解决这一问题的重要方法，可以帮助用户从大量的数据中找到可有效利用的信息，从而缓解信息过载问题。现在，大多数电子商务和社交网站等在线服务中都使用了推荐引擎向其用户显示推荐用户感兴趣的项目。YouTube上60％的视频播放量来自其主页推荐，而Netflix用户观看量的80％也来自其推荐系统。此外，推荐系统为亚马逊公司增加了35%的利润。因此，对该领域的研究非常重要，它是一些企业有效服务用户和增加用户满意度的关键。近年来，由于GPU等计算资源的增加和可用数据的指数增长以及改进算法，深度学习的重新崛起，在计算机视觉和自然语言处理等领域有很多应用。
本文首先详细介绍了该课题研究的背景和意义，通过背景的分析，得出使用推荐算法的重要性。通过分析国内外推荐算法的研究现状，提出本文的主要研究工作。接着详细介绍了推荐算法的分类情况，将研究方向逐步细化，介绍了深度学习在推荐算法领域的多种应用，如：基于自编码器的推荐、基于卷积神经网络的推荐等。
为了解决推荐领域因为评分数据稀疏和单纯依靠传统的用户-项目评分矩阵进行推荐造成的推荐准确度不高的情况，本文以矩阵分解算法为基础，提出一种结合多种神经网络的混合推荐算法AI-DMF，算法模型由卷积神经网络和深度神经网络构成。输入模型数据引入了项目的辅助信息(图书名称，图书简介等)，使算法处理数据更多样，从而可以深层次挖掘用户特征，帮助用户准确找到自己喜欢的书籍，更好的为用户进行推荐。将AI-DMF模型应用于两个公共数据集上对模型进行评估，实验结果高于概率矩阵分解(PMF)，协作主题回归(CTR)和协作深度学习(CDL)，以及被广泛认可最先进的卷积矩阵分解ConvMF+。在数据集数据稀疏度极高时，AI-DMF可以达到很好的评分预测效果。
其他文献
近年来，智能交通领域在人工智能领域的推动下不断发展，车辆跟踪技术作为智能交通领域研究的基础问题越来越受到人们的关注。深度学习作为解决目标跟踪领域问题的主流方法，基于深度学习的车辆跟踪算法成为了智能交通领域研究的热点，如基于卷积神经网络(CNN)的目标跟踪模型，虽然该类模型在跟踪的准确性上取得了突破性的进展，但是在跟踪速度上很难做到实时跟踪。于是，基于完全卷积孪生神经网络(SiamFC)的目标跟踪方
随着科技的发展，智慧大棚、智慧温室和植物工厂等的出现，改变了传统农业种植方式。近年来温室大棚种植规模越来越大，这种种植方式使植物生长环境得以人为控制，充分发挥土地产能，提高产量。植物光照控制系统结合计算机网络技术对植物的生长环境进行调控，具有理论研究和实用价值。 针对温室内植物种植的光环境调控，本文采用新型光源LED作为补光光源，以无线网络通信方式，采用简单的星型拓扑结构，将各个终端节点与Zig
图像领域中对于图像的清晰度和分辨率要求越来越高，研究模糊图像修复和图像超分辨率重建的问题，不仅有利于提升图像的视觉质量，更是能够提升视觉应用的鲁棒性，具有重要的实际应用价值。本文在研究生成对抗网络的基础上，尝试对生成对抗网络进行改进并应用于图像处理，以解决图像模糊和分辨率较低的问题。具体做了如下研究： (1)分析和研究生成式对抗网络的基本模型和图像处理的相关内容，利用生成对抗网络处理图像已经成为
变压器局部放电是造成变压器绝缘故障的主要原因。对不同类型的局部放电进行有效识别有利于故障的定位和排除。局部放电相位分布分析(PRPD)是目前应用范围最广、效果较好的局部放电模式识别方法，该方法基于PRPD图谱进行特征提取与放电类型分类，但常用的特征提取方法均基于原始检测数据，由于不同检测设备所用数据格式不同，且不同企业对数据相互保密，造成了局放诊断方法的不通用性。 PRPD图谱具有相关国际标准，
随着智能电网的发展，针对电力设备故障的智能化检测成为研究热点。各种智能化监测设备与日俱增，电力设备一旦发生故障，将会产生大量故障数据，尤其极端天气下，更会产生井喷式数据，传统的单机处理环境已经无法应对。为解决此问题，本论文将传统故障诊断方法与Spark、MapReduce大数据框架相结合，以变压器故障诊断为例，对大数据环境下的电力设备诊断方式展开研究。 设计了深度信念网络在Spark框架上的并行
无人机航拍应用于很多领域，如交通监测、监控巡查、电力巡检、农业植保等。无人机航拍的图像处理却面临着拍摄图像分辨率高、背景复杂、易受光照、风速等天气影响而导致图像噪声过大以及对实时性要求过高等诸多问题。经典算法如Harris、SIFT(Scale-invariant feature transform)、FAST等均不能较为理想的满足实时性和准确性的要求，因此需要对无人机领域的图像预处理及图像匹配算
电力改革使得新的售电主体进入电力市场，售电公司逐渐成为发电厂与用户之间沟通的桥梁，成为了电能消耗的一个重要环节。随着电力市场改革的不断加快，售电公司若想获得更多的潜在用户并增强客户粘性，使公司稳定长期的发展，通过大数据相关技术对用户用电海量数据进行挖掘以实现针对不同用户的个性化套餐则是必然的选择。 本文在售电侧改革的背景下，重点运用了数据挖掘技术中的聚类算法，对居民用户用电模式进行了细分，最后实
电动汽车接入电网就是通过电动汽车与电网之间双向的的信息流和电力流的互换，采用先进的信息、通信技术将孤立的电动汽车和电网连接起来，使电动汽车参与到需求侧管理中，起到“削峰填谷”的作用。而在电动汽车接入电网的过程中，电动汽车用户会与电网进行双向的信息流交换，而这些信息一般会包含电动汽车用户的位置隐私、身份隐私以及电价信息、规划的充电路径等，而这些信息一旦被非法分子攻击就可能会造成用户信息被追踪、泄露或
随着深度学习的快速发展，基于大量样本的数据分类取得了重要进展，在很多数据集上，已经超越了人类的识别水平。但是，现实中很多问题的样本数量是极为稀少或者场景难以复现，用于训练的数据非常稀少，传统的深度学习方式在这种情况下效果并不理想。而贝叶斯学习可以利用参数的先验分布和少量样本来估计后验分布，实现小样本条件下机器学习。本文主要基于贝叶斯学习与深度学习结合的贝叶斯变分自编码器网络，从数据增强和神经网络搭
由于航空、医疗、自动驾驶等图像数据集中小目标分辨率低，方向错乱，背景复杂等问题，大多数目标检测算法的特征图尺度单一，不能有效融合特征语义信息，且特征提取网络经过多次采样后产生误差，损失图像中小目标的边缘特征信息，造成其识别率低，误检漏检等问题。为解决SSD(Single Shot MultiBox Detector)模型中小目标特征信息不足的缺陷，本文提出反卷积和特征融合的方法。首先针对SSD底层