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

基于深度神经网络的创业项目推荐系统研究

摘要第4-5页
abstract第5-6页
第一章 绪论第9-16页
    1.1 研究背景与意义第9-11页
    1.2 推荐系统的研究现状与趋势第11-14页
    1.3 研究内容第14页
    1.4 本文创新第14-15页
    1.5 结构安排第15-16页
第二章 推荐系统及相关技术第16-31页
    2.1 推荐系统的定义第16-17页
    2.2 推荐系统相关算法第17-27页
        2.2.1 基于内容的推荐第18-21页
        2.2.2 基于内存的协同过滤推荐第21-25页
        2.2.3 基于模型的推荐算法第25-26页
        2.2.4 混合推荐算法第26-27页
    2.3 基于深度学习的推荐算法第27-28页
    2.4 推荐系统的评价标准第28-30页
    2.5 本章小结第30-31页
第三章 创业项目推荐系统的特征及推荐算法的选取第31-39页
    3.1 概念的界定第31-32页
    3.2 创业项目推荐系统的研究现状第32-33页
    3.3 创业项目推荐系统的数据特征第33-35页
        3.3.1 用户数据和行为数据第34页
        3.3.2 创业项目数据第34-35页
    3.4 创业项目推荐系统的目标和问题的定义第35-36页
    3.5 推荐算法的选取第36-38页
    3.6 本章小结第38-39页
第四章 基于深度神经网络和矩阵分解的创业项目推荐算法第39-55页
    4.1 推荐流程第39-40页
    4.2 数据处理第40-43页
        4.2.1 隐式反馈数据的处理第40-42页
        4.2.2 负样本抽样第42-43页
    4.3 推荐算法描述第43-54页
        4.3.1 深度神经网络和概率矩阵分解算法第43-45页
        4.3.2 创业项目隐含特征的提取第45-52页
        4.3.3 模型优化第52-54页
    4.4 推荐结果生成第54页
    4.5 本章小结第54-55页
第五章 基于多模型的创业项目推荐算法第55-64页
    5.1 网络结构第55-56页
    5.2 受限波尔茨曼机(RBM)第56-58页
    5.3 创业项目和用户建模第58-62页
    5.4 模型训练和推荐结果的生成第62-63页
    5.5 本章小结第63-64页
第六章 实验与分析第64-74页
    6.1 实验环境与数据集第64-66页
        6.1.1 实验环境第64页
        6.1.2 数据获取与数据处理第64-66页
        6.1.3 评价标准第66页
    6.2 数据预处理第66-67页
    6.3 基于深度神经网络和矩阵分解的创业项目推荐算法的实验结果第67-71页
        6.3.1 总体实验结果第67-68页
        6.3.2 加入不同数量的特征对推荐结果的影响第68-70页
        6.3.3 隐含特征数量和词向量的长度对推荐结果的影响第70-71页
    6.4 基于多模型的创业项目推荐算法的实验结果第71-73页
        6.4.1 总体实验结果第71-72页
        6.4.2 加入用户特征对推荐结果的影响第72-73页
    6.5 本章小结第73-74页
第七章 研究总结与展望第74-76页
    7.1 研究内容与结论第74-75页
    7.2 研究展望第75-76页
致谢第76-77页
参考文献第77-82页
攻读硕士学位期间的研究成果第82页

论文共82页,点击 下载论文
上一篇:终端市场不确定下的技术创新供需关系及采纳策略研究
下一篇:N公司的IT服务管理研究