深度学习图书推荐系统实践

介绍

本科毕业设计《基于DSSM的图书推荐系统》；
前后端分离网站；pytorch；

主要技术有 ：

• spring boot
• vue
• pytorch

源代码
https://download.csdn.net/download/ccs174/20089415

摘要

本文将研究深度语义匹配模型（Deep Structured Semantic Model）简称DSSM在个性化推荐系统的召回模块的应用，并且基于图书穿越社（Book Crossing）数据集对用户特征建模并进行深度学习训练。最后使用了Spring boot框架搭建了Java Web网站后端，Vue-cli搭建了网站的前端作为用户交互界面和图书推荐结果展示页面。

DSSM模型简介

我的模型设计

具体实现

class DNNModel(nn.Module):
    def __init__(self, inp_user, inp_item):
        super(DNNModel, self).__init__()
        self.user_embed = nn.Embedding(input_user[0][0], input_user[0][1])
        self.item_embed = nn.Embedding(input_item[0][0], input_item[0][1])
        
        self.user_dnn = nn.Sequential(
            nn.Linear(128, 64),
            nn.LeakyReLU(),
            nn.Linear(64, 64),
            nn.LeakyReLU()
        )
        
        self.item_dnn = nn.Sequential(
            nn.Linear(128, 64),
            nn.LeakyReLU(),
            nn.Linear(64, 64),
            nn.LeakyReLU()
        )
        
    def forward(self, x):
        u = self.user_embed(x[:, 0])
        m = self.item_embed(x[:, 1])
        u = self.user_dnn(u)
        m = self.item_dnn(m)
        u = u/torch.sum(u*u, 1).view(-1,1)
        m = m/torch.sum(m*m, 1).view(-1,1)
        return u, m