基于深度学习的属性图推荐方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外相关研究和综述 | 第9-11页 |
| 1.2.1 传统的推荐算法 | 第9-10页 |
| 1.2.2 基于深度学习的图嵌入 | 第10-11页 |
| 1.3 问题的总结与分析 | 第11-12页 |
| 1.4 本文主要工作 | 第12页 |
| 1.5 本文组织结构 | 第12-14页 |
| 第2章 属性图推荐的相关基础知识 | 第14-23页 |
| 2.1 异构属性图 | 第14-15页 |
| 2.2 相似性 | 第15-17页 |
| 2.3 自动编码机 | 第17-19页 |
| 2.3.1 形式化定义 | 第18-19页 |
| 2.3.2 训练过程 | 第19页 |
| 2.4 基于图嵌入的推荐算法 | 第19-20页 |
| 2.5 评价指标 | 第20-22页 |
| 2.5.1 AUC | 第20-21页 |
| 2.5.2 Precision与Recall | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 基于异构特征融合的属性图嵌入算法 | 第23-40页 |
| 3.1 问题定义 | 第23-24页 |
| 3.2 自动编码机整体框架 | 第24-25页 |
| 3.3 逆发生权重 | 第25-27页 |
| 3.4 算法设计与分析 | 第27-30页 |
| 3.4.1 算法基本思想 | 第27-28页 |
| 3.4.2 算法设计 | 第28-30页 |
| 3.5 实验结果与分析 | 第30-38页 |
| 3.5.1 实验环境、数据与流程 | 第30-32页 |
| 3.5.2 对比算法 | 第32页 |
| 3.5.3 实验结果与分析 | 第32-38页 |
| 3.6 本章小结 | 第38-40页 |
| 第4章 基于图嵌入的推荐系统设计 | 第40-50页 |
| 4.1 引言 | 第40-41页 |
| 4.2 推荐算法 | 第41-43页 |
| 4.3 系统设计与实现 | 第43-46页 |
| 4.3.1 系统设计 | 第43页 |
| 4.3.2 系统实现 | 第43-46页 |
| 4.4 实验结果与分析 | 第46-49页 |
| 4.4.1 对比算法 | 第46-47页 |
| 4.4.2 实验结果与分析 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56页 |
