首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

个性化推荐方法的研究

摘要第4-5页
Abstract第5页
第1章 绪论第8-14页
    1.1 研究背景及意义第8-9页
    1.2 国内外研究现状第9-12页
        1.2.1 推荐系统的研究现状第10-11页
        1.2.2 基于翻译的表示学习的研究现状第11-12页
    1.3 论文的主要工作和贡献第12页
    1.4 论文的章节组织第12-14页
第2章 常用的推荐方法和表示学习的介绍第14-31页
    2.1 常用的推荐方法第14-22页
        2.1.1 基于邻居的协同过滤推荐第14-18页
        2.1.2 基于表示学习的推荐方法第18-21页
        2.1.3 两类推荐方法的对比第21-22页
    2.2 表示学习的理论和方法第22-30页
        2.2.1 表示学习的基本理论第22-23页
        2.2.2 基于翻译的表示学习方法第23-30页
    2.3 本章小结第30-31页
第3章 基于用户画像的混合推荐方法第31-41页
    3.1 相关模型与方法第32-34页
        3.1.1 LDA模型第32-33页
        3.1.2 PureSVD模型第33-34页
    3.2 用户画像的构建第34-35页
        3.2.1 用户在电影主题上的兴趣分布第34-35页
        3.2.2 用户在电影类型、导演和演员列表上的兴趣分布第35页
    3.3 用户相似度的计算第35-36页
        3.3.1 电影主题上的相似度的计算第35-36页
        3.3.2 用户相似度公式第36页
    3.4 用户推荐列表的生成第36-37页
    3.5 实验设计与结果分析第37-40页
        3.5.1 实验数据集第37页
        3.5.2 实验参数的选择第37页
        3.5.3 实验评价方法第37-38页
        3.5.4 实验结果及分析第38-40页
    3.6 本章小结第40-41页
第4章 基于翻译的偏好度差异量化推荐方法第41-55页
    4.1 表示学习在推荐系统中的应用第41-42页
    4.2 基于翻译的偏好度量化推荐方法第42-48页
        4.2.1 电影推荐场景中翻译模型第42-44页
        4.2.2 不同评分间偏好度差异的量化第44-47页
        4.2.3 模型的求解第47页
        4.2.4 模型的预测第47-48页
    4.3 实验设计与结果分析第48-54页
        4.3.1 实验环境第48-49页
        4.3.2 实验数据集第49页
        4.3.3 实验的具体设计第49-51页
        4.3.4 评价方法第51页
        4.3.5 实验结果分析第51-54页
    4.4 本章小结第54-55页
第5章 总结与展望第55-57页
    5.1 本文工作第55页
    5.2 未来展望第55-57页
参考文献第57-61页
读研期间发表的论文第61-62页
致谢第62-63页

论文共63页,点击 下载论文
上一篇:时空一致的视频阴影检测与消除研究
下一篇:昆明市育红小学成绩管理系统的研究与分析