基于主动迁移学习的多网络关系预测及推荐研究

发布时间：2024-03-01 04:53

　　传统的机器学习通常要求有大量的有标签数据,然而这在一些场景中常常无法满足。例如,在多网络关系预测和推荐任务中存在冷启动(Cold Start)问题,即新网络中存在较少的边和关系数据,这使得普通的监督学习框架难以获得很好的训练效果。迁移学习和主动学习是两种解决标注数据不足的重要方法。在多网络关系预测中,迁移学习利用源网络中的关系信息帮助目标网络的关系预测任务,主动学习用于查询目标网络中有价值的节点对样本的真实标签,将其加入数据集中迭代训练。在多源数据推荐系统中,采用辅助数据的协同推荐(Collabrative Recommendation with Auxiliary Data,简称CRAD)综合用户的社交网络以及浏览记录提高系统的推荐效果,迁移学习利用辅助数据学习用户偏好信息,主动学习用于查询更能体现用户偏好的物品评价。本文针对上述任务提出以下两个独立的方法:(1)基于主动迁移学习的多网络关系预测方法TAQIL;(2)基于主动迁移学习的推荐系统TACF。第一个工作将源网络中的节点信息迁移到目标网络中,训练得到一个初始模型,然后从目标网络的无标签数据中选择信息量最大的数据进行标注,将其加...

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

图2.1传统机器学习与迁移学习的区别

学专业学位硕士研究生学位论文第二章相关背景知Yang[16]针对源领域和目标领域样本是否标注及任务是否相同对迁移学习的据源领域和目标领域中是否存在有标签样本可将迁移学习划分为3类：目注样本的归纳迁移学习[26]，只有源领域中有标签样本的直推迁移学习[27]，领域都没有标....

图2.2使用辅助数据进行迁移学习的协同推荐关于“如何迁移”[16][28]

中包含了充足的有标签样本，中只有少量有标签样本和大量无标签样本，该问题的目标是学习一个预测函数f()→。2.1.3迁移学习与协同过滤在协同推荐中使用不同类型的辅助数据被称为CRAD（CollaborativeRecommendationw....

图2.3主动学习查询场景（1）在成员查询合成场景下，机器学习模型可以标注任意一个无标签样本，甚至是模型

图2.3主动学习查询场景）在成员查询合成场景下，机器学习模型可以标注任意一个无标签样本，甚至是标签样本。成员查询合成在某些问题中较为合理，但在某些领域中却无法使用个深度学习神经网络用于识别数字字符中，大部分模型产生的样本图片是无法字符，领域专家显然无法标注这些图片。同样，在自....

图2.4主动学习在系统推荐中的应用下面我们详细介绍两个维度组合下的主动学习策略

京邮电大学专业学位硕士研究生学位论文第二章相关背景知识介策略。单一启发式策略使用唯一的物品选择规则，混合启发式策略对多种启发式策略进合，利用多个物品选择规则更好地评估哪些物品对改善系统性能更有用。图2.4展示了推荐系统中主动学习的一个例子[37]。图像左侧坐标轴表示初始状....

本文编号：3915450