基于有限注意力的个性化推荐算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 课题背景 | 第11-13页 |
| 1.2 研究目标和内容 | 第13-14页 |
| 1.3 本文组织 | 第14-15页 |
| 第2章 个性化推荐系统 | 第15-28页 |
| 2.1 基于协同过滤的推荐系统 | 第15-17页 |
| 2.1.1 基于邻域的协同过滤算法 | 第15-16页 |
| 2.1.2 基于模型的协同过滤算法 | 第16页 |
| 2.1.3 数据稀疏性与冷启动问题 | 第16-17页 |
| 2.2 基于社交网络的推荐系统 | 第17-24页 |
| 2.2.1 基于信任关系的推荐算法 | 第18-21页 |
| 2.2.2 基于社会关系的推荐算法 | 第21-22页 |
| 2.2.3 基于上下文信息的推荐算法 | 第22-24页 |
| 2.3 矩阵分解 | 第24-26页 |
| 2.3.1 基本矩阵分解模型 | 第24-25页 |
| 2.3.2 基于矩阵分解的协同过滤算法 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 有限注意力的问题描述 | 第28-32页 |
| 3.1 用户注意力有限 | 第28-29页 |
| 3.2 有限注意力分配不均匀 | 第29-30页 |
| 3.3 有限注意力信息影响推荐 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 基于有限注意力的推荐系统 | 第32-43页 |
| 4.1 基于矩阵分解的推荐系统框架 | 第32-34页 |
| 4.2 用户的有限注意力正则化约束模型 | 第34-39页 |
| 4.2.1 模型1:基于平均化的正则项 | 第34-36页 |
| 4.2.2 模型2:基于个别化的正则项 | 第36-38页 |
| 4.2.3 用户的有限注意力分配程度 | 第38页 |
| 4.2.4 相似性函数 | 第38-39页 |
| 4.3 物品的有限注意力的正则化约束模型 | 第39-41页 |
| 4.3.1 物品的社交关系集合 | 第39-40页 |
| 4.3.2 拓展的正则项模型 | 第40-41页 |
| 4.4 统一模型 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 实验分析 | 第43-59页 |
| 5.1 数据集 | 第43-46页 |
| 5.1.1 Epinions数据集 | 第43-44页 |
| 5.1.2 小型数据集 | 第44-46页 |
| 5.2 度量标准 | 第46页 |
| 5.3 实验对比 | 第46-51页 |
| 5.3.1 社交有限注意力模型实验 | 第46-48页 |
| 5.3.2 社交推荐对比实验 | 第48-50页 |
| 5.3.3 统一模型实验 | 第50-51页 |
| 5.4 参数调整 | 第51-57页 |
| 5.4.1 调整权重系数α和β | 第52-55页 |
| 5.4.2 调整相似性函数 | 第55-57页 |
| 5.5 本章小结 | 第57-59页 |
| 第6章 结论与展望 | 第59-61页 |
| 6.1 结论 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
