清华大学优秀博士学位论文丛书：个性化推荐的可解释性研究

图书标准信息

• 作者 张永锋 著
• 出版社 清华大学出版社
• 出版时间 2019-08
• 版次 1
• ISBN 9787302531968
• 定价 99.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 185页

【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。

【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