个性化推荐的可解释性研究

个性化推荐的可解释性研究
作 者: 张永锋
出版社: 清华大学出版社
丛编项: 清华大学优秀博士学位论文丛书
版权说明: 本书为出版图书,暂不支持在线阅读,请支持正版图书
标 签: 暂缺
ISBN 出版时间 包装 开本 页数 字数
未知 暂无 暂无 未知 0 暂无

作者简介

暂缺《个性化推荐的可解释性研究》作者简介

内容简介

个性化推荐技术已经成为互联网应用的基础技术之一,它广泛应用于电子商务、搜索引擎、社会网络、新闻阅读等互联网服务中,成为用户获得信息的重要途径之一。本文以个性化推荐的可解释性为主题,在数据、模型和经济效益三个层面上展开探讨。在数据上,个性化推荐的评分矩阵可以等价描述为用户-物品二部图上的社区发现结构;在模型上,个性化算法可以给出与推荐模型紧密相关的个性化推荐理由;在经济效益上,个性化推荐可以作为互联网商品服务资源分配的基本手段,实现互联网社会福利的z大化,从而提高互联网经济系统的效益。

图书目录

第 1章引言 .1

1.1研究背景 1

1.2问题的提出 .5

1.3面临的主要挑战 6

1.4主要贡献 9

第 2章研究现状与相关工作 11

2.1个性化推荐 . 11

2.1.1基于内容的推荐 . 12

2.1.2基于协同过滤的推荐 . 12

2.1.3混合型推荐系统 . 15

2.2矩阵分解 16

2.3推荐的可解释性 19

2.4文本情感分析 . 20

2.5本章小结 21

第 3章数据的可解释性 . 23

3.1矩阵的群组结构 23

3.1.1概述 23

3.1.2相关工作 . 26

3.1.3双边块对角矩阵及其性质 27

3.1.4矩阵的双边块对角化算法 33

3.1.5基于块对角阵的协同过滤 37

3.2局部化矩阵分解算法 . 38

3.2.1概述 39

3.2.2相关工作 . 40

3.2.3双边块对角矩阵的分解性质 . 41

3.2.4近似矩阵分解算法及其可拆分性质 . 44

3.2.5局部化矩阵分解框架 . 49

3.2.6平衡矩阵块对角化算法 . 50

3.3性能评测 53

3.3.1双边块对角矩阵与群组结构的定性研究 53

3.3.2局部化矩阵分解算法性能及预测精度 . 57

3.4本章小结 64

第 4章模型的可解释性 . 67

4.1显式变量分解模型 . 67

4.1.1概述 67

4.1.2相关工作 . 70

4.1.3基于用户评论的情感词典构建 . 71

4.1.4显式变量分解模型及其可解释性 73

4.1.5推荐列表的构建 . 77

4.1.6属性级个性化推荐理由的构建 . 79

4.2动态化时序推荐模型 . 80

4.2.1概述 80

4.2.2相关工作 . 82

4.2.3用户偏好的时序性质 . 84

4.2.4属性词流行度的动态预测 88

4.2.5基于条件机会估计的时序推荐模型 . 91

4.3性能评测 94

4.3.1基于显式变量模型的可解释性推荐评测 95

4.3.2基于浏览器的真实用户线上评测 104

4.3.3基于属性词流行度的动态推荐评测 . 107

4.4本章小结 117

目录 19

第 5章推荐的经济学解释 . 119

5.1互联网福利的最大化 . 119

5.1.1概述 119

5.1.2相关工作 . 121

5.1.3互联网成本效用与福利 . 122

5.1.4基于福利最大化的个性化推荐框架 . 126

5.2典型网络平台中的福利最大化 129

5.2.1电子商务网站 . 130

5.2.2 P2P网络贷款 132

5.2.3在线众包平台 . 134

5.2.4小结与讨论 136

5.3性能评测 137

5.3.1电子商务网站 . 137

5.3.2 P2P网络贷款 142

5.3.3在线自由职业与众包平台 144

5.4本章小结 146

第 6章总结与展望 . 149

6.1总结 . 149

6.2展望 . 151

参考文献 . 153

在学期间发表的学术论文 183

致谢 187