The recurrent neural networks have the ability to grasp the temporal patterns withinthe data. This is a property that can be used in order to help a recommender system bettertaking into account the user past history. Still the dimensionality problem that raiseswithin the recommender system field also raises here as the number of items the systemhave to be aware of is susceptibility high. Recent research have studied the use of such neural networks at a user’s session level.This thesis rather examines the use of this technique at a whole user’s past history levelassociated with techniques such as embeddings and softmax sampling in order to accommodatewith the high dimensionality. The proposed method results in a sequence prediction model that can be used as is forthe recommender task or as a feature within a more complex system. / De Recurrent Neural Networks har möjlighet att förstå de tidsmässiga mönstren inom data. Det här är en egenskap som kan användas för att hjälpa ett rekommendatörsystem bättre med hänsyn till användarens historia. Problemet med dimensioner inom rekommendatörsystem uppstår dock även här, eftersom antalet saker som systemet måste vara medveten om är extremt många. Nyare forskning har studerat användningen av sådana neurala nätverk på en användaressessionsnivå. Denna avhandling undersöker snarare användningen av denna teknik som en hel användares tidigare historiknivå i samband med tekniker som inbäddning och softmax-provtagning för att tillgodose den höga dimensionen. Den föreslagna metoden resulterar i en sekvensprediktionsmodell som kan användas som för recommender-uppgiften eller som en funktion inom ett mer komplext system.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-216584 |
| Date | January 2017 |
| Creators | Godard, Pierre |
| Publisher | KTH, Skolan för datavetenskap och kommunikation (CSC) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0022 seconds