基于异质信息网络表示学习的协同过滤技术研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 推荐系统研究现状 | 第10-11页 |
| 1.2.2 异质信息网络研究现状 | 第11-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 2 相关技术 | 第16-32页 |
| 2.1 推荐技术概述 | 第16-17页 |
| 2.2 推荐系统的算法 | 第17-22页 |
| 2.2.1 基于知识的推荐 | 第17-18页 |
| 2.2.2 基于内容的推荐 | 第18页 |
| 2.2.3 基于协同过滤的推荐 | 第18-22页 |
| 2.3 信息网络基本概念 | 第22-24页 |
| 2.4 信息网络相关研究 | 第24-26页 |
| 2.4.1 基于谱方法的模型 | 第24-25页 |
| 2.4.2 基于词向量的模型 | 第25-26页 |
| 2.5 词向量模型 | 第26-31页 |
| 2.5.1 基于CBOW的方法 | 第26-28页 |
| 2.5.2 基于Skip-gram的方法 | 第28-31页 |
| 2.6 本章小结 | 第31-32页 |
| 3 属性异质信息网络表示学习 | 第32-45页 |
| 3.1 属性网络表示学习问题定义 | 第32页 |
| 3.2 异质信息网络表示模型 | 第32-35页 |
| 3.2.1 基于元路径的随机游走 | 第32-33页 |
| 3.2.2 异质的Skip-gram模型 | 第33-35页 |
| 3.3 属性异质信息网络表示模型 | 第35-40页 |
| 3.3.1 带权元路径的随机游走 | 第36-37页 |
| 3.3.2 带属性的异质SkipGram模型 | 第37-40页 |
| 3.4 实验与分析 | 第40-44页 |
| 3.4.1 数据集介绍 | 第40-41页 |
| 3.4.2 实验内容 | 第41-42页 |
| 3.4.3 分类结果分析 | 第42-43页 |
| 3.4.4 参数敏感度验证 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 4 基于属性异质信息网络的协同过滤模型 | 第45-52页 |
| 4.1 基于模型的推荐系统 | 第45-46页 |
| 4.2 模型引入 | 第46-47页 |
| 4.3 实验与分析 | 第47-51页 |
| 4.3.1 实验原理 | 第47-49页 |
| 4.3.2 实验设置 | 第49-50页 |
| 4.3.3 实验及结果分析 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 5 总结和展望 | 第52-54页 |
| 5.1 本文工作总结 | 第52页 |
| 5.2 未来工作展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 附录 | 第60页 |
| A.作者在攻读学位期间发表的论文目录 | 第60页 |
