面向商品评分预测的隐变量模型构建与推理
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-14页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.2 国内外相关研究现状 | 第9-12页 |
| 1.2.1 在线商品评分预测 | 第9页 |
| 1.2.2 用户行为建模 | 第9-10页 |
| 1.2.3 隐变量模型构建 | 第10-11页 |
| 1.2.4 基于隐变量模型的用户评分预测 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 1.4 本文的结构 | 第13-14页 |
| 第2章 贝叶斯网络 | 第14-23页 |
| 2.1 概率论基础 | 第14-15页 |
| 2.2 贝叶斯网的基本概念 | 第15-20页 |
| 2.2.1 贝叶斯网参数学习 | 第16-19页 |
| 2.2.2 贝叶斯网结构构建 | 第19-20页 |
| 2.3 隐变量模型简介 | 第20-23页 |
| 第3章 在线商品评分隐变量模型的构建 | 第23-31页 |
| 3.1 在线商品评分模型定义 | 第23-24页 |
| 3.2 用于隐变量模型选择的BIC评分 | 第24-25页 |
| 3.3 RBNL模型结构构建 | 第25-29页 |
| 3.4 RBNL模型的条件概率表计算 | 第29-31页 |
| 第4章 基于RBNL模型推理的商品评分预测 | 第31-35页 |
| 4.1 基于变量消元法推理简介 | 第31-32页 |
| 4.2 RBNL模型推理 | 第32-33页 |
| 4.3 基于RBNL模型推理的商品评分预测 | 第33-35页 |
| 第5章 实验结果与分析 | 第35-38页 |
| 5.1 RBNL模型构建算法的时间效率测试 | 第35-36页 |
| 5.2 RBNL模型有效性测试 | 第36页 |
| 5.3 基于RBNL模型的评分预测准确率测试 | 第36-38页 |
| 第6章 原型系统设计与实现 | 第38-42页 |
| 6.1 原型系统功能说明 | 第38-39页 |
| 6.2 原型系统实现与展示 | 第39-42页 |
| 第7章 总结与展望 | 第42-43页 |
| 7.1 总结 | 第42页 |
| 7.2 展望 | 第42-43页 |
| 参考文献 | 第43-47页 |
| 攻读硕士学位期间完成的科研成果 | 第47-48页 |
| 致谢 | 第48-49页 |
