基于图模型与组合特征的推荐方法研究
摘要 | 第4-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第12-20页 |
1.1 研究背景与意义 | 第12-15页 |
1.2 本文研究内容与目标 | 第15-18页 |
1.3 论文结构 | 第18-20页 |
第二章 推荐系统研究基础与问题定义 | 第20-34页 |
2.1 推荐系统概述 | 第20-23页 |
2.2 基于内容的推荐方式 | 第23页 |
2.3 协同过滤的推荐方式 | 第23-25页 |
2.4 混合推荐方式 | 第25-26页 |
2.5 图数据模型在推荐系统中的应用 | 第26-32页 |
2.5.1 图数据模型概述 | 第26-29页 |
2.5.2 基于图的典型推荐算法 | 第29-32页 |
2.6 评价体系 | 第32-33页 |
2.6.1 用户调查 | 第32页 |
2.6.2 在线评估 | 第32页 |
2.6.3 离线评估 | 第32-33页 |
2.7 本章小结 | 第33-34页 |
第三章 推荐系统中组合特征 | 第34-46页 |
3.1 推荐系统中组合特征的提出 | 第34-38页 |
3.2 用户-物品特征的构建 | 第38-41页 |
3.3 映射函数的选择 | 第41-43页 |
3.4 索引表结构 | 第43-45页 |
3.5 本章小结 | 第45-46页 |
第四章 基于组合特征的协同过滤推荐 | 第46-52页 |
4.1 基于用户与基于物品的协同过滤区别分析 | 第46-48页 |
4.1.1 基于用户的协同过滤 | 第47页 |
4.1.2 基于物品的协同过滤 | 第47-48页 |
4.2 基于组合特征的协同过滤算法 | 第48-52页 |
第五章 基于组合特征的排序学习推荐 | 第52-58页 |
5.1 排序学习模型介绍 | 第52-53页 |
5.2 基于组合特征的排序学习算法 | 第53-58页 |
第六章 系统实现与实验结果分析 | 第58-66页 |
6.1 推荐系统的构建 | 第58-59页 |
6.2 用于对比的基准方法 | 第59-60页 |
6.3 实验设置与结果分析 | 第60-65页 |
6.4 本章小结 | 第65-66页 |
第七章 总结与展望 | 第66-68页 |
7.1 本文的工作 | 第66-67页 |
7.2 下一步工作 | 第67-68页 |
致谢 | 第68-70页 |
参考文献 | 第70-74页 |
附录 攻读硕士学位期间申请专利及参与项目情况 | 第74-75页 |