中国科学技术信息研究所--国家工程技术数字图书馆

[学位论文] 李逸聪国防科技大学 2019年硕士导师: 李东升;冯大为共73页

摘要 : 由于自然语言文本的抽象语义与内容多样等特征，文本生成方法面临两方面的挑战：一方面，自然语言文本在表达上形式多样、上下文内容动态变化，需要能准确理解并在线建模大规模文本上下文内容的方法。另一方面，基于模型的文本生成方法其生成的内容在... 展开由于自然语言文本的抽象语义与内容多样等特征，文本生成方法面临两方面的挑战：一方面，自然语言文本在表达上形式多样、上下文内容动态变化，需要能准确理解并在线建模大规模文本上下文内容的方法。另一方面，基于模型的文本生成方法其生成的内容在语义上容易出现上下文主题不一致的情况；针对以上问题本文开展了基于主题模型的文本生成方法研究，旨在基于动态主题模型对文本的上下文内容进行动态建模，并且提供在线处理大规模数据的能力，同时通过上下文主题的一致性，指导模型的生成过程，文章的主要贡献如下： 1.针对文本生成过程中，生成序列的上下文语义动态建模问题，本文提出了一种面向大规模文本在线主题建模的动态建模方法（DistHDP），主要解决两方面问题：1）文本生成应用中需要处理各类型主题变化的动态文本数据（例如对话生成场景中，上下文对应的主题分布随着会话的推进而变化），传统基于LDA的静态主题模型在使用语料训练时，需预先指定主题个数，难以适应主题内容与数目动态变化的问题。2）现有在线主题模型主要关注单机情况下的模型表达能力，难以适应大规模文本数据的动态主题建模需求。针对以上问题，本文在在线变分HDP的基础上，设计并实现了并行在线变分HDP主题模型算法。将训练任务分为多个子任务并分布在多个工作节点上，从而加快了整个训练过程。通过并行变分推理算法可以保证模型的收敛性。最后在真实数据集上进行了3组实验并证明了该算法的可用性和良好的可扩展性。 2.针对文本生成过程中，生成的文本内容与输入的数据存在上下文语义主题不一致的问题，本文基于条件变分自编码器（CVAE）设计实现了一种融合主题模型的文本生成方法（TransCVAE），通过主题建模方法在线捕获生成数据的上下文主题信息，获得文本数据对应的主题编码。将CVAE中的条件信息设置为文本数据对应的主题编码，使文本生成过程添加了主题约束。最后在数据集上进行了3组实验并证明了此方法的BLEU值最优，更加符合人类的逻辑，且倾向生成长文本。针对以上两个研究内容，本文分别提出了面向大规模文本在线主题建模的动态建模方法（DistHDP）和融合主题模型的文本生成方法（TransCVAE）。最后在多个数据集上分别验证了两个模型，实验表明，DistHDP比单机版本算法的训练速度快，尤其在处理大规模数据集时尤为明显。同时，并行主题模型DistHDP的线程数扩展至30时，其并行效率仍保持70%以上，体现了其良好的扩展性。对于TransCVAE，在蕴含数据集上，该模型的BLEU值达到了最大。另外，TransCVAE更加倾向生成较长的文本序列，比Transformer模型的平均生成文本长度多50%。收起

关键词 : 文本生成条件变分自编码器主题模型并行算法

2. 情感嵌入的语音合成方法研究

[学位论文] 彭锦涛江苏大学 2023年硕士导师: 张建明共71页

摘要 : 语音合成是一种将文本转换为语音的技术，它涉及声学、语言学、数字信号处理、计算机科学、自然语言处理和统计学习等多个学科技术，在人机交互领域中发挥着重要作用。随着深度学习的快速发展，语音合成技术受到了越来越多的关注。目前大多数工作主要... 展开语音合成是一种将文本转换为语音的技术，它涉及声学、语言学、数字信号处理、计算机科学、自然语言处理和统计学习等多个学科技术，在人机交互领域中发挥着重要作用。随着深度学习的快速发展，语音合成技术受到了越来越多的关注。目前大多数工作主要还是针对于合成语音的自然度和表现力，而同时情感也是日常语言交流中不可或缺的一部分，因此针对情感语音的合成正成为一个新的研究热点，越来越多的研究人员开始研究如何合成具有情感表现力的高质量语音。在情感语音合成领域，主流的方法是从参考语音中获得风格嵌入，但是这种方法往往学习到的是平均的风格表示，无法合成显著的情感语音。此外，适用于情感语音合成任务的开源数据集较少，往往会因为训练数据不足而导致过拟合问题，限制了情感语音合成的发展。针对以上的问题和挑战，本文对情感嵌入的语音合成方法进行研究，主要工作如下：（1）提出基于条件变分自编码器的情感语音合成方法。该方法利用条件变分自编码器从参考音频中解耦出情感表征，并将其作为条件因子从潜在空间中分离，同时潜在空间也会对其他风格信息（如音色、语速、音调等）进行编码，使其服从标准正态分布，最终嵌入到语音合成模型中。解决参考语音中的情感信息与其他副语言信息纠缠、难以提取显著情感特征的问题。同时设计时长预测模块来辅助音素和谱图之间序列长度的对齐。在公开数据集ESD上的实验结果表明，提出方法优于目前的主流方法VAE-Tacotron和GST-Tacotron。所提方法在所有情感上的MCD（MelCeptrumDistortion）值最低，MSD（MelSpectralDistortion）和FFE（F0FrameError）平均最低。在主观评测实验中，MOS（MeanOpinionScore）得分最高，在A/B偏好测试实验中也得到最多的选择。（2）提出基于情感迁移的语音合成方法。该方法引入迁移学习的思想，通过微调预训练的语音模型从参考语音中提取语音表示，并结合情感分类器将其映射到情感空间中，最终嵌入语音合成模型中生成情感语音，解决由于训练数据不足导致模型性能下降的问题。同时使用互信息神经估计方法去除情感嵌入中的语言信息，解决内容泄露的问题。在开源的低资源情感数据集EmoV-DB上的实验结果表明，提出的方法在主观与客观实验中均优于其他使用迁移学习的模型，所提方法在所有情感上的MCD和MSD值最低，FFE平均最低，MOS得分最高，在A/B偏好测试实验中获得最多选择。（3）设计并实现情感嵌入的语音合成原型系统。采用Matlab软件设计原型系统的界面，使用Pytorch深度学习框架和Python语言设计相关算法。情感嵌入的语音合成原型系统主要包含四个模块：情感语音数据集上传模块、模型训练模块、语音合成模块和语音播放与可视化模块。其中提出的基于条件变分自编码器的情感语音合成方法和基于情感迁移的语音合成方法均在该系统中实现。通过该原型系统展示和验证所提出方法的合理性和有效性。收起

关键词 : 情感语音合成深度学习条件变分自编码器迁移学习

3. 结合注意力机制和条件变分自编码器的诗词生成方法研究

[学位论文] 梁骁桂林电子科技大学 2021年硕士导师: 黄文明共49页

摘要 : 古诗词生成是自然语言处理中一种文本到文本的生成任务，它将输入的关键词或者表达用户意图的句子直接转化为古诗词。虽然目前国内外使用深度学习技术对古诗词生成问题进行了一定的研究，但生成的诗词忽略了风格的重要性，并且在上下文连贯性、通顺性... 展开古诗词生成是自然语言处理中一种文本到文本的生成任务，它将输入的关键词或者表达用户意图的句子直接转化为古诗词。虽然目前国内外使用深度学习技术对古诗词生成问题进行了一定的研究，但生成的诗词忽略了风格的重要性，并且在上下文连贯性、通顺性方面仍存在提升空间。本文结合注意力机制和条件变分自编码器，对关键词生成古诗和宋词进行研究，主要的研究内容如下：一、提出一种基于门控注意力的关键词生成古诗方法。为了提高诗句的通顺性以及解决循环神经网络为基础的编码器处理长文本存在信息丢失的问题，本文在编码解码结构的文本生成框架基础上引入了门控注意力组件，它由关键词注意力层、自注意力层和门控单元组成。关键词注意力层提取诗句和关键词之间的联系。自注意力层提取诗句内词语之间的依赖关系和诗句的内部结构特征。将关键词注意力层和自注意力层提取到的特征传递给门控单元，由门控单元过滤冗余信息。实验结果表明，本文提出的基于门控注意力的古诗生成方法相较于基准方法，在诗句的通顺性上有一定的提升。二、提出一种结合多注意力和条件变分自编码器的风格宋词生成方法。为了提高上下文的连贯性，本文以编码解码结构的文本生成框架作为基础模型，在此基础上引入了多注意力组件提取已生成词句的多种语义特征并存储到特定的语义向量中，解码器在生成诗句时通过访问语义向量生成上下文连贯的宋词。同时，为了控制生成的宋词风格，引入条件变分自编码器，它将输入文本数据转化为隐空间中连续的隐变量来控制宋词风格。实验结果表明，本文提出的结合多注意力和条件变分编码器的风格宋词生成方法相较于基准方法，在风格和上下文连贯性上有一定的提升。本文的主要创新点：在编码解码的文本生成框架基础上，引入门控注意力组件，提高古诗的语句通顺性；引入多注意组件，提高宋词的上下文连贯性；引入条件变分编码器，控制宋词的风格，提高宋词的意境。收起

关键词 : 诗词生成门控注意力多注意力条件变分自编码器

4. 基于维度分组的多样化用户评论生成研究

[学位论文] 王晓伟哈尔滨工业大学 2022年硕士导师: 刘远超共69页

摘要 : 数据到文本生成，即将结构化的数据进行概括抽象，生成能够满足人类阅读需求的文本，生成的文本应当符合基本的语法结构，流畅通顺，语义表达清晰准确。传统的模块化的生成框架将数据到文本生成任务显式的划分为内容规划、句子规划、文本实现三个模块... 展开数据到文本生成，即将结构化的数据进行概括抽象，生成能够满足人类阅读需求的文本，生成的文本应当符合基本的语法结构，流畅通顺，语义表达清晰准确。传统的模块化的生成框架将数据到文本生成任务显式的划分为内容规划、句子规划、文本实现三个模块，串联的模块之间存在着误差累积的现象，并且模块中针对特定领域的任务设计了大量的人工设计的规则，导致文本生成框架受限于特定领域，不具有泛用性。基于深度学习的数据到文本生成模型能够跨领域应用，生成的文本质量较高，但是缺乏可解释性，现有的方法仍然不擅长生成连贯的长文本，生成的文本缺乏多样性，不够丰富。本文通过对传统方法和深度学习方法的进行分析比较，综合二者的优点，在此基础上设计了一种能够生成多样化长文本的模型，本文的主要研究内容分为以下三部分：首先，构建数据到文本生成数据集，收集来自电商领域专业人员撰写的高质量评价文案以及产品结构化的参数，通过文本匹配的方式对数据进行重新排列和分组，将长文本拆解成多个短句，通过对数据的预处理和修正，为后续生成多样化长文本任务提供高质量的数据基础。其次，通过设计基于维度分组的文本生成模型，我们将传统的生成框架与深度学习的方法相结合，使用神经网络方法实现维度分组的过程，捕捉分组之间的依赖性，借此提高子句之间的连贯性，该过程等同于传统框架中的内容规划和句子规划。将整个文本生成任务分割成若干子任务，可以有效的对结构化数据建模，从而生成连贯的高质量用户评价文本。最后，我们提出基于条件变分自编码器的分层生成模型，该模型是在上述分组规划模型的基础上进行改进，目标是提升文本生成过程中的多样性。通过将隐变量分别引入宏观的分组规划层面和微观的文本实现层面，可以有效的为潜在的多样性进行建模。文本解码器采用了注意力机制，目的是来解决长文本生成过程中上下文依赖消失的现象。除此之外，设计了词袋结构和KL退火算法，进一步提升了模型生成文本的多样性。通过对实验结果的对比和分析，表明模型能够生成高质量的多样化长文本。收起

关键词 : 文本生成深度学习分组规划条件变分自编码器注意力机制

5. 基于变分自编码器与降噪自编码器的Web服务QoS预测方法研究

[学位论文] 吴孟伟齐鲁工业大学 2023年硕士导师: 鲁芹共86页

摘要 : 互联网时代，用户从海量的网络服务中选择符合自己需求的服务，无异于大海捞针，而个性化的Web服务推荐技术和方法能够解决这一难题。然而，移动设备的激增导致具有相似或相同功能的服务越来越多，影响了用户体验。因此，用户更感兴趣的是服务的响应时... 展开互联网时代，用户从海量的网络服务中选择符合自己需求的服务，无异于大海捞针，而个性化的Web服务推荐技术和方法能够解决这一难题。然而，移动设备的激增导致具有相似或相同功能的服务越来越多，影响了用户体验。因此，用户更感兴趣的是服务的响应时间和可靠性。服务质量(QualityofService,QoS)是一个衡量Web服务非功能性能的属性，是个性化服务推荐的一个重要标准。但是，现有的基于QoS预测的方法与技术依旧需要解决一些无法避免的问题，如稀疏的原始数据、噪声数据的影响、缺乏对用户和服务相关信息的考虑、QoS数据的潜在特征提取不充分、冷启动和模型过拟合等。鉴于目前研究仍存在的上述问题，本论文对Web服务的QoS预测方法进行研究，主要研究内容包括： (1)为了解决原始数据稀疏和噪声数据环境下的QoS预测精度，以及用户与服务之间潜在关联信息等问题，本文提出一种基于多重双层栈式降噪自编码器的QoS预测模型。首先，用户和服务的地理位置对QoS存在一定的影响，再简单地基于位置信息划分用户和服务后，改进了传统的Jaccard相似度计算方法，计算并获取与目标用户或服务处于同一位置区域的相似邻居，以此对原始稀疏的QoS矩阵进行预填充，缓解稀疏问题。根据每个服务与相似邻居被调用的频度，捕获用户调用服务的偏好信息，并与预填充的QoS矩阵相结合。对处理后的QoS数据，再通过多重双层栈式降噪自编码器模型进行多次加噪与重构，充分挖掘潜在的QoS数据特征，提高QoS预测准确度。 (2)进一步考虑到冷启动和模型过拟合等问题，本文提出了一种基于改进条件变分自编码器的混合QoS预测模型。为了解决数据稀疏问题，预先填充稀疏的QoS向量的缺失值，选择了带有偏置项的奇异值分解方法。再利用双层栈式自编码器对预填充的QoS向量进行降维，以提取用户的潜在特征作为模型的外部条件。外部条件与预填充的QoS向量通过条件变分自编码器的训练学习，对缺失的QoS值进行重构。根据位置信息，选用皮尔森相关系数与独立样本T检验方法计算用户高信誉的相似邻居，结合重构的QoS矩阵进行预测，进一步提高QoS预测准确度。最后，在WSDream数据集上对所提出的两个预测模型进行了实验，结果表明，基于多重双层栈式降噪自编码器的QoS预测模型是有效的；基于改进条件变分自编码器的混合QoS预测模型在预测精度方面有提高。收起

关键词 : QoS预测降噪自编码器变分自编码器特征提取

6. 基于条件变分自编码器的生成式多轮对话研究

[学位论文] 赵雁斌华南理工大学 2023年硕士导师: 苏锦钿;童瑶共76页

摘要 : 近年来，生成式多轮对话系统作为自然语言处理领域的重要问题之一，受到了越来越多的关注。多轮对话的目标是生成丰富多样且连贯的回复，并且能够与上文的语义相连贯。然而，传统编码器解码器容易产生无意义且枯燥的回复。为了提高生成的回复的信息性... 展开近年来，生成式多轮对话系统作为自然语言处理领域的重要问题之一，受到了越来越多的关注。多轮对话的目标是生成丰富多样且连贯的回复，并且能够与上文的语义相连贯。然而，传统编码器解码器容易产生无意义且枯燥的回复。为了提高生成的回复的信息性和多样性，引入条件变分自编码器是一个可行的方案。本文研究针对的是结合条件变分自编码器的生成式多轮对话方法，然而现有的研究仍存在一些不足之处：（1）现有的工作大多是单向的推理生成，但是仅从上文信息单向推理无法生成丰富多样且连贯的对话回复。（2）现有的结合条件变分自编码器的语言模型通常只有一组隐变量，存储的上文信息较少，生成对话的多样性较低。（3）现有的预训练语言模型与条件变分自编码器结合不够紧密，无法充分利用预训练语言模型中包含的信息。针对上述问题，本文提出了基于多隐变量的双向推理模型 MLVBI(Multiple Latent Variables Bidirectional Inference)。首先，对于上文信息太少不足以推理的问题，MLVBI在语言模型中结合条件变分自动编码器并将单向推理扩充到双向推理，通过语料分割为上文、查询与回复后，使用正向推理从查询中推理出回复用于学习正常语序信息，并同时使用反向推理从回复中推理出查询用于学习额外主题信息，之后融合成双向推理使得模型生成更连贯的回复。其次，MLVBI针对双向推理过程中单组隐变量解释能力不足的问题，引入多组隐变量进一步提高生成对话多样性。最后，本文将MLVBI与长短期记忆网络、预训练语言模型分别结合，并对结合方式做出相应的调整，以更好发挥预训练语言模型的性能。实验结果表明，在长短期记忆网络和预训练语言模型上，MLVBI在两个开放域数据集 DailyDialog 和 PersonalChat 上的自动评价的准确性和多样性等不同指标都达到了当前最佳和可比的效果，消融实验也证明了双向推理和多隐变量的有效性。收起

关键词 : 生成式多轮对话双向推理模型多隐变量条件变分自编码器

7. 基于神经网络的新闻评论条件生成技术

[学位论文] 李浩哈尔滨工业大学 2023年硕士导师: 刘远超共73页

摘要 : 随着人工智能技术的不断发展，通过自然语言处理技术实现多样化新闻评论生成已经成为可能。现有的新闻评论生成系统生成的评论往往缺乏感情色彩，不能够真正反映读者对于新闻事件的情感态度，有时还会生成一些信息熵比较低的评论。针对目前存在的一些... 展开随着人工智能技术的不断发展，通过自然语言处理技术实现多样化新闻评论生成已经成为可能。现有的新闻评论生成系统生成的评论往往缺乏感情色彩，不能够真正反映读者对于新闻事件的情感态度，有时还会生成一些信息熵比较低的评论。针对目前存在的一些问题，本文在现有的研究工作基础上做了进一步的探索优化，旨在构建一个基于神经网络的新闻评论生成系统，且其具备情感可控和多样化生成的能力。本文分别在预训练和非预训练环境下进行了实验，并对实验结果进行了对比分析。本文的研究内容主要包括以下三个部分：首先，通过爬取新浪新闻网站上的新闻数据，构建了一个新闻评论数据集。通过使用规则及正则表达式的方式，对爬取的数据进行过滤及预处理，筛选出质量较高的新闻数据。此外，对数据集中各部分信息的数据分布进行了统计，方便后续模型参数设定。为了实现情感可控的评论生成，需要对数据集中的新闻评论做情感标注工作。鉴于人工标注的成本太高，本文分别使用百度开源的情感分析模型和在公开评论数据集上微调的 BERT 模型对评论数据进行粗粒度和细粒度的情感标注。最后，将数据集分主题按比例划分为训练集、验证集、测试集，以实现数据集划分工作。其次，本文探究了基于序列到序列的方式在此数据集上的表现。标准的序列到序列模型不具备情感可控生成的能力，为了实现可控生成，在解码的每个时间步将指定情感对应的表征与当前时间步输入单词的词向量进行融合，作为模型输入，从而使模型具备情感可控生成的能力。最后，本文提出了基于条件变分自编码器的新闻评论生成模型。相比于序列到序列的方式将新闻信息编码为固定向量，条件变分自编码器将新闻信息编码到隐空间中的一个多元高斯分布，每次采样均可得到不同的向量表征并参与解码的过程，从而实现多样化的新闻评论生成。此外，由于新闻正文长度过长，采用层次编码器的方式对正文部分进行编码。同时，由于隐空间中还引入了情感和主题信息，进一步提升了生成评论的质量和情感可控性。最后，针对常见的隐变量消失问题，在优化的过程中，使用了 KL 退火算法和词袋损失的方式进行缓解，保证模型具备多样化的生成能力。收起

关键词 : 新闻评论生成条件变分自编码器情感可控神经网络

8. 基于条件变分自编码器的情感对话生成研究

[学位论文] 林泓全桂林电子科技大学 2021年硕士导师: 邓珍荣共64页

摘要 : 人机对话是自然语言处理领域最具挑战性的任务之一，也是未来实现人机共融社会的基础。近年来，得益于深度学习技术的发展和大数据时代积累的海量数据，基于神经网络的对话生成方法受到了学术界和工业界越来越多的关注。目前基于深度学习的生成... 展开人机对话是自然语言处理领域最具挑战性的任务之一，也是未来实现人机共融社会的基础。近年来，得益于深度学习技术的发展和大数据时代积累的海量数据，基于神经网络的对话生成方法受到了学术界和工业界越来越多的关注。目前基于深度学习的生成式对话模型大多以最大似然估计为训练目标，这种方法容易产生内容单一且不含有意义信息的通用回复。情绪的感知和表达在人与人的交流中起着重要的作用，然而现有的研究主要集中在话语的语义理解上，对情感因素的考虑还相对较少。针对现有方法的不足，本文基于条件变分自编码器技术，研究情感对话生成算法，意在改善回复信息的多样性和在生成回复中嵌入情感因素，以及提高人机对话中的用户体验。本文的具体研究工作如下： 1.基于条件变分自编码器与双情绪框架的情感对话生成模型：将Seq2Seq模型与条件变分自编码器进行融合，利用条件变分自编码器的潜在变量学习文本序列中的潜在语义，以提高回复信息的多样性。此外，为了提高模型对情绪的感知能力和表达能力，设计了一个双情绪框架用于捕捉会话中的情绪反应和控制回复的外显情绪。为了识别话语序列中隐含的情绪信息，提出了一个基于BiLSTM-AT的情绪分类模型。实验表明，本文提出的模型不仅可以产生内容信息多样的回复，还可以生成可控的情绪反应。 2.基于Transformer的情感对话生成模型：采用Transformer模型提取文本序列的语义特征，以提高文本序列语义信息的利用率。为了增加回复信息的多样性，将Transformer与条件变分自编码器进行融合，在解码器中引入潜在变量，使模型在解码过程可以利用潜在的语义信息。此外，为了增强模型的共情能力，使用情绪感知编码器对用户情绪信息进行编码，并提出了一个基于BERT的预训练情绪分类模型用于对话语中隐含的情绪信息进行检测。实验表明，本文提出的模型生成能力更强，生成回复的信息更多样，共情能力更强。收起

关键词 : 深度学习情感对话生成情感分析条件变分自编码器 Transformer BERT

9. 基于不变性学习的人脸关键点定位及其应用

[学位论文] 施江鸣宁夏大学 2022年硕士导师: 刘昊；张克平共48页

摘要 : 人脸关键点定位旨在从人脸图像中精准地识别出关键点位置。人脸关键点指的是具有语义的人脸五官和脸部轮廓上的关键部位点，它是许多计算机视觉和计算机图形学任务的基础，如人脸识别、人脸编辑和3D人脸重建等。人脸关键点定位极易受光照、模糊、遮挡... 展开

关键词 : 人脸关键点定位自监督学习条件变分自编码器三维重建

10. 自编码器在推荐系统中的应用研究

[学位论文] 刘金鑫天津理工大学 2021年硕士导师: 肖迎元共69页

摘要 : 自编码器模型是机器学习领域内的一类重要模型，被广泛应用于多个领域并且展现出了惊人的效果。本文主要聚焦于几种适用于推荐系统的自编码器模型:经典自编码器、图自编码器和变分自编码器。针对个性化推荐系统的应用需求，本文对这三类自编码器模型进... 展开自编码器模型是机器学习领域内的一类重要模型，被广泛应用于多个领域并且展现出了惊人的效果。本文主要聚焦于几种适用于推荐系统的自编码器模型:经典自编码器、图自编码器和变分自编码器。针对个性化推荐系统的应用需求，本文对这三类自编码器模型进行改造并与其他推荐技术相结合，致力于提升现有推荐系统的性能。本文的主要研究工作和创新总结如下：（1）根据图自编码器的结构特点，提出了一种与社交影响力模型相结合的基于图自编码器评分预测方法。图自编码器对图结构中的消息传递模式有很好的特征抽取能力。该方法通过构建用户-项目的二分图，将评分预测任务转为链路预测问题，并合理的与全局影响力建模相结合，此外，本文也对模型的可解释性进行了分析。本文在公开数据集上对所提出的方法进行了广泛的实验，实验结果显示，本文提出的预测方法明显优于现有相关方法。（2）将经典自编码器的压缩编码范式应用于金融领域，提出了一种轻量级的非营利性众筹项目推荐框架。不同于现有的旨在提高投资回报率的推荐方法，该推荐框架致力于提高公益性众筹项目的投资成交率。实验表明基于该框架的推荐方法的预测准确率达到了该领域内的最前沿的性能。（3）对变分自编码器的隐空间结构进行了研究,提出了一种平衡编码器和解码器的混合推荐模型。首先，对于变分自编码器类推荐模型在训练优化过程中存在的后验崩溃问题，究其原因为优化不佳的编码器和表征能力太强的解码器之间的不匹配问题，即从数据流形到参数化的图之间映射不佳之问题，从而使得它们之间转换图的学习变得困难。针对这一问题，本文对编码器的隐空间进行改造，提出了能有效平衡编码器和解码器的推荐模型。实验结果表明，该方案能有效缓解后验崩溃问题。收起

关键词 : 推荐系统评分预测自编码器图自编码器变分推断