教师声音

陆炜:深度贝叶斯模型在引进系统中的应用研究

作者:陆炜  来:宣传   /  更新日期: 2019-03-26  点击量:563

根据关系数据的个性化推荐在在线视频观看平台起着至关重要的意图。为增加用户粘在度、增强整体满意度,异常需要付出寻找最相关内容并向用户推荐的劳动。由于准确性不是推荐需要考虑的唯一问题,目前的推荐系统已普遍讨论了包括意外性目标和新颖性目标的题材。但是,这些目标之间的涉及尚未得到广泛研究。有高新颖性的物品不一定是出人意料的,仍然。所以,需要设计一个可以以新颖性和意外性结合起来用于推荐的归纳目标。

由于现在大多数大数字化数据可以让视为多干数据,张量是同种自然要合理的特征方式。张量解释是用于分析多维数据中老潜在涉及的常用方法,但是传统的模子存在少数只重要缺点:一个是它经常无法捕获实体之间的耦合和非线性交互,并且对包含噪声和缺乏值的数量集不稳健;其他一个是,在以就机制应用于推荐申请时,很难保证推荐项目的多样性。

被上述考虑因素的推动,作者提出了同种基于张量解释的大多层概率模型。根据CP说,所提出的模子能够同时聚类三为数。为在每个模式的逃逸在空中中找到更紧密的意味,针对模式因子矩阵施加多层因子分解落实非线性映射。研究下腾讯浏览器提供的有大量用户、视频和相应视频描述标签数据的真实推荐任务来评估该方法。有关成果已发表在ACM Transactions on Information Systems 2019年1月刊。

详细算法及结果参见https://dl.acm.org/citation.cfm?id=3233773。