基于张量分解的推荐算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 2 推荐系统研究综述 | 第17-30页 |
| 2.1 协同过滤推荐算法 | 第17-26页 |
| 2.1.1 基于记忆的协同过滤推荐算法 | 第18-21页 |
| 2.1.2 基于模型的协同过滤推荐算法 | 第21-26页 |
| 2.2 基于内容的推荐算法 | 第26-28页 |
| 2.3 混合推荐算法 | 第28-29页 |
| 2.4 本章总结 | 第29-30页 |
| 3 局部低秩张量分解推荐算法 | 第30-41页 |
| 3.1 局部低秩矩阵分解推荐算法 | 第30-32页 |
| 3.2 时间对推荐的影响 | 第32-33页 |
| 3.3 张量分解 | 第33-36页 |
| 3.4 改进的局部低秩张量分解推荐算法 | 第36-40页 |
| 3.5 本章总结 | 第40-41页 |
| 4 局部低秩张量分解排名推荐算法 | 第41-50页 |
| 4.1 推荐系统中的排名问题 | 第41-43页 |
| 4.2 改进的局部低秩张量分解排名推荐算法 | 第43-49页 |
| 4.2.1 平滑化倒数排名函数 | 第43-45页 |
| 4.2.2 倒数排名函数的下界 | 第45-47页 |
| 4.2.3 算法描述 | 第47-49页 |
| 4.3 本章总结 | 第49-50页 |
| 5 实验结果及分析 | 第50-62页 |
| 5.1 实验数据 | 第50-51页 |
| 5.2 评价指标 | 第51-53页 |
| 5.3 算法实验结果分析 | 第53-60页 |
| 5.3.1 实验平台 | 第53-54页 |
| 5.3.2 算法影响因素 | 第54-56页 |
| 5.3.3 算法对比实验 | 第56-60页 |
| 5.4 本章总结 | 第60-62页 |
| 6 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第68-70页 |
| 学位论文数据集 | 第70页 |
