基于视觉内容增强推荐算法的设计与实现.docVIP

经典专科、本科、硕博、研究生、期刊毕业论文 仅供参考 PAGE 精心整理 仅供参考 勿用作商业用途 目 录 TOC \o 1-3 \h \z 前 言 1 第一章 绪 论 2 1.1 研究背景及意义 2 1.2 本文的主要工作及创新点 2 1.3 本文的组织结构 2 第二章 推荐算法 4 2.1 传统推荐算法介绍 4 2.1.1 基于内容的推荐算法 4 2.1.2 协同过滤推荐算法 4 2.1.3 基于知识的推荐算法 5 2.2 传统推荐算法的对比 5 2.3 基于深度学习的推荐算法 6 2.4 本章小结 6 第三章 深度学习与神经网络 7 3.1 深度学习 7 3.2 神经网络 8 3.2.1 神经元 8 3.2.2 单层神经网络 9 3.2.3 多层神经网络结构 10 3.2.4 学习过程 11 3.3 卷积神经网络 12 3.3.1 卷积神经网络结构 12 3.3.2 卷积神经网络的优势 14 第四章 基于深度学习细粒度图像推荐算法 15 4.1 三元组(Triplet)简介 15 4.2 模型结构 15 4.3 网络结构 16 4.3.1 神经网络训练 19 第五章 实验 20 5.1 三元组与softmax 对比 20 5.1.1 网络结构 20 5.1.2 训练集 20 5.1.3 实验结果 21 5.2 模型训练 23 5.2.1 数据集 23 5.2.2 训练过程 23 5.3 结果 23 5.4 本章小结 25 第六章 总结与展望 27 6.1 本文总结 27 6.2 后续工作展望 27 参考文献 29 致 谢 31 摘 要 随着 4G 的大范围普及，越来越多的用户接触互联网，网络上数据呈现了爆炸性的增长。大数据时代来临，数据的价值被重新定义，成为当前重要的研究课题，甚至其获取、储存、搜索、共享、分析，乃至可视化地呈现也被广泛的研究。用户的个性化需要不断增长，各种个性化推荐系统借助大数据得以实现，如音乐推荐，电影推荐，餐馆推荐，图片推荐，购物推荐等。因此，设计高效的推荐算法是一个热门的课题。 机器学习，深度学习随着大数据和算力的增长在近些年来在各个领域取得巨大成功，如面部识别，数据挖掘，自然语言处理，语言识别等。卷积神经网络在图像处理领域取得了极大的成功，图像推荐算法上也有很好的应用。一些基于深度学习网络的图片推荐算法是基于图片分类的算法，这就导致了相似图片维度不够细的问题。本文以深度学习网络为基础设计并实现了一个基于图片的细粒度推荐算法，并且分析了与一些经典的推荐算法进行比较，同时分析它们各自的优缺点。 关键词：图片推荐；卷积神经网络；深度学习；推荐算法 Abstract With the widespread use of 4G technology, more and more users get access to the Internet. The data produced explodes. The value of data has been redefined, becoming one of most significant research topic, including storing data, searching data, sharing data, analyzing data and data visualization. All kinds of recommendation systems are implemented based on big data, such as music recommendation, movie recommendation, restaurant recommendation and merchandise recommendation. Thus, designing effective recommendation algorithms becomes a prevailing topic. With the development of big data and high-performance computing, machine learning and deep learning has gained much success in many domains, like face recognition, data mining, Natu