基于多视图锚点图哈希技术的推荐算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 本文主要工作 | 第12-13页 |
| 1.3 本文组织结构 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第2章 相关研究现状 | 第15-27页 |
| 2.1 个性化推荐系统 | 第15-20页 |
| 2.1.1 基于内容的推荐技术 | 第16-17页 |
| 2.1.2 基于协同过滤的推荐技术 | 第17-19页 |
| 2.1.3 基于混合技术的推荐 | 第19-20页 |
| 2.2 最近邻搜索技术 | 第20-21页 |
| 2.3 哈希学习技术 | 第21-23页 |
| 2.4 多视图学习 | 第23-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于多视图锚点图的离散哈希算法 | 第27-56页 |
| 3.1 问题描述 | 第27-29页 |
| 3.2 基于多视图数据的锚点图构建 | 第29-38页 |
| 3.3 基于多视图锚点图的哈希编码学习 | 第38-40页 |
| 3.4 基于离散哈希的编码量化方法 | 第40-50页 |
| 3.5 样本外数据点的编码生成方法 | 第50-51页 |
| 3.6 基于多视图锚点图的离散哈希算法 | 第51-52页 |
| 3.7 算法复杂度分析 | 第52-54页 |
| 3.8 本章小结 | 第54-56页 |
| 第4章 基于多视图哈希技术的推荐算法 | 第56-62页 |
| 4.1 问题描述 | 第56-57页 |
| 4.2 相似用户搜索 | 第57-58页 |
| 4.3 推荐结果生成 | 第58-60页 |
| 4.4 算法整体结构 | 第60-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第5章 实验结果及分析 | 第62-81页 |
| 5.1 实验环境 | 第62页 |
| 5.2 实验数据集 | 第62-63页 |
| 5.3 实验结果度量方法 | 第63-65页 |
| 5.4 作为基准的现有方法 | 第65-66页 |
| 5.5 算法参数影响及策略选择 | 第66-77页 |
| 5.5.1 锚点选择 | 第66-68页 |
| 5.5.2 最近邻锚点数的选择 | 第68-70页 |
| 5.5.3 平衡参数的选择 | 第70-71页 |
| 5.5.4 相似用户数量的选择 | 第71-73页 |
| 5.5.5 编码量化的初始化策略选择 | 第73-75页 |
| 5.5.6 编码量化的收敛速度 | 第75-77页 |
| 5.6 与基准方法的比较 | 第77-80页 |
| 5.6.1 单视图数据下的比较 | 第77-78页 |
| 5.6.2 多视图数据下的比较 | 第78-80页 |
| 5.7 本章小结 | 第80-81页 |
| 第6章 总结与展望 | 第81-83页 |
| 6.1 本文总结 | 第81页 |
| 6.2 未来研究方向 | 第81-83页 |
| 参考文献 | 第83-88页 |
| 致谢 | 第88-89页 |
| 作者简历 | 第89页 |
