摘要 | 第3-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第13-27页 |
1.1 研究背景与意义 | 第13-15页 |
1.2 研究现状分析 | 第15-22页 |
1.2.1 推荐系统的应用 | 第16-17页 |
1.2.2 推荐算法的发展与演化 | 第17-20页 |
1.2.3 推荐系统最新研究热点 | 第20-22页 |
1.3 现有工作存在的问题 | 第22-23页 |
1.4 本文研究目标与内容 | 第23-24页 |
1.5 本文的组织结构 | 第24-27页 |
第2章 相关研究工作 | 第27-41页 |
2.1 相关推荐算法 | 第27-32页 |
2.1.1 术语记号定义与说明 | 第27-28页 |
2.1.2 基于近邻的协同过滤 | 第28-30页 |
2.1.3 基于模型的协同过滤 | 第30-32页 |
2.2 评估推荐系统 | 第32-34页 |
2.2.1 评估方式 | 第32页 |
2.2.2 评估指标 | 第32-34页 |
2.3 推荐系统相关的数据集 | 第34-36页 |
2.4 推荐系统相关的数据竞赛 | 第36-39页 |
2.5 推荐系统开源框架和工具 | 第39页 |
2.6 本章小结 | 第39-41页 |
第3章 数据数量敏感的推荐方法 | 第41-63页 |
3.1 引言 | 第41-43页 |
3.2 相关工作 | 第43-45页 |
3.3 研究问题 | 第45页 |
3.4 数据数量对推荐性能的影响 | 第45-49页 |
3.5 数据数量敏感的推荐方法 | 第49-55页 |
3.5.1 数据数量敏感的推荐的建模过程 | 第49-50页 |
3.5.2 用户行为数据数量的确定 | 第50-52页 |
3.5.3 用户行为数据抽样方法 | 第52-55页 |
3.6 实验与结果分析 | 第55-62页 |
3.6.1 数据集 | 第55-56页 |
3.6.2 实验设置 | 第56-57页 |
3.6.3 结果分析 | 第57-62页 |
3.7 本章小结 | 第62-63页 |
第4章 基于用户行为一致性的分组迁移推荐 | 第63-81页 |
4.1 引言 | 第63-65页 |
4.2 相关工作 | 第65-67页 |
4.3 研究问题 | 第67页 |
4.4 基于用户行为一致性的分组迁移推荐 | 第67-74页 |
4.4.1 用户行为一致性 | 第68-70页 |
4.4.2 噪声数据处理 | 第70-71页 |
4.4.3 分组迁移推荐 | 第71-74页 |
4.5 实验与结果分析 | 第74-79页 |
4.5.1 数据集 | 第74页 |
4.5.2 实验设置 | 第74页 |
4.5.3 结果分析 | 第74-79页 |
4.6 本章小结 | 第79-81页 |
第5章 基于语义可比物品对的排序推荐 | 第81-97页 |
5.1 引言 | 第81-83页 |
5.2 相关工作 | 第83-85页 |
5.3 研究问题 | 第85页 |
5.4 基于语义可比物品对的推荐 | 第85-90页 |
5.4.1 噪声数据对BPR的影响 | 第85-87页 |
5.4.2 语义可比物品对 | 第87-89页 |
5.4.3 SeBPR:基于语义可比物品对的排序推荐 | 第89-90页 |
5.5 实验与结果分析 | 第90-96页 |
5.5.1 数据集 | 第90-91页 |
5.5.2 实验设置 | 第91-92页 |
5.5.3 结果分析 | 第92-96页 |
5.6 本章小结 | 第96-97页 |
第6章 数据数量和质量敏感的推荐框架 | 第97-111页 |
6.1 引言 | 第97-99页 |
6.2 数据数量和质量敏感的推荐框架 | 第99-103页 |
6.2.1 框架介绍 | 第99-100页 |
6.2.2 基于数量和质量的用户度量分组 | 第100-101页 |
6.2.3 基于分组的数据预处理与推荐 | 第101-102页 |
6.2.4 基于迁移学习的分组推荐提升 | 第102-103页 |
6.3 实验与结果分析 | 第103-109页 |
6.3.1 数据集 | 第103-104页 |
6.3.2 实验设置 | 第104页 |
6.3.3 结果分析 | 第104-109页 |
6.4 本章小结 | 第109-111页 |
第7章 总结与展望 | 第111-115页 |
7.1 论文主要工作 | 第111-112页 |
7.2 未来工作展望 | 第112-115页 |
参考文献 | 第115-137页 |
攻读博士学位期间主要的研究成果 | 第137-139页 |
致谢 | 第139-140页 |