基于系统相关性的跨领域推荐算法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状及面临的挑战 | 第12-15页 |
| 1.2.1 国内外研究现状 | 第12-15页 |
| 1.2.2 目前研究存在的问题 | 第15页 |
| 1.3 论文的主要研究内容 | 第15-16页 |
| 1.4 论文的组织和结构 | 第16-18页 |
| 第2章 相关概念及技术 | 第18-30页 |
| 2.1 跨领域推荐与任务目标 | 第18-21页 |
| 2.1.1 领域和跨领域 | 第18-19页 |
| 2.1.2 跨领域推荐任务目标 | 第19-20页 |
| 2.1.3 跨领域推荐场景 | 第20-21页 |
| 2.2 跨领域推荐技术 | 第21-27页 |
| 2.2.1 基于知识聚合的跨领域推荐 | 第22-24页 |
| 2.2.2 基于知识链接和迁移的跨领域推荐 | 第24-27页 |
| 2.3 跨领域推荐算法评价 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 基于多层网络社区检测的跨领域推荐研究 | 第30-54页 |
| 3.1 研究框架 | 第30-31页 |
| 3.2 用户特征抽取 | 第31-36页 |
| 3.2.1 文本特征 | 第31-32页 |
| 3.2.2 视觉特征 | 第32-33页 |
| 3.2.3 场地类别特征 | 第33-34页 |
| 3.2.4 流动性特征 | 第34-35页 |
| 3.2.5 活动时间特征 | 第35-36页 |
| 3.3 多层相似度网络构建和分块谱聚类社区检测 | 第36-44页 |
| 3.3.1 相似度网络构建 | 第36-37页 |
| 3.3.2 社区检测和谱聚类图割问题基础 | 第37-38页 |
| 3.3.3 基于多层网络图的分块谱聚类社区检测 | 第38-44页 |
| 3.4 跨领域推荐 | 第44页 |
| 3.5 实验结果分析 | 第44-52页 |
| 3.5.1 数据集 | 第44-45页 |
| 3.5.2 评价指标 | 第45-46页 |
| 3.5.3 实验结果对比分析 | 第46-52页 |
| 3.6 本章小结 | 第52-54页 |
| 第4章 基于系统上下文相关性的跨领域推荐研究 | 第54-68页 |
| 4.1 研究框架 | 第54-55页 |
| 4.2 数据集和领域上下文信息相关性分析 | 第55-58页 |
| 4.2.1 数据集 | 第55-56页 |
| 4.2.2 相关性分析 | 第56-58页 |
| 4.3 基于张量Tucker分解的跨领域推荐 | 第58-63页 |
| 4.3.1 基于上下文的张量构建 | 第59页 |
| 4.3.2 基于上下文张量Tucker分解基础 | 第59-61页 |
| 4.3.3 潜在因子迁移的跨领域评分预测 | 第61-62页 |
| 4.3.4 计算复杂度分析 | 第62-63页 |
| 4.4 实验结果分析 | 第63-66页 |
| 4.4.1 评价指标 | 第63页 |
| 4.4.2 实验结果对比分析 | 第63-66页 |
| 4.5 本章小结 | 第66-68页 |
| 第5章 总结与展望 | 第68-70页 |
| 5.1 工作总结 | 第68-69页 |
| 5.2 未来工作展望 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-78页 |
| 攻读硕士学位期间公开发表的论文 | 第78页 |
