| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-27页 |
| 1.1 推荐系统简介 | 第11-14页 |
| 1.1.1 推荐系统的作用 | 第11-12页 |
| 1.1.2 推荐系统的应用 | 第12-14页 |
| 1.2 推荐系统的研究现状 | 第14-16页 |
| 1.3 标签推荐的目的和意义 | 第16页 |
| 1.4 推荐系统相关理论及技术 | 第16-24页 |
| 1.4.1 推荐系统相关理论 | 第16-21页 |
| 1.4.2 推荐系统相关技术 | 第21-24页 |
| 1.5 本文的主要工作 | 第24-25页 |
| 1.6 论文结构 | 第25-27页 |
| 第二章 基于标签的推荐系统 | 第27-33页 |
| 2.1 用户标签数据 | 第27-28页 |
| 2.2 标签系统中的推荐问题 | 第28-30页 |
| 2.2.1 用户为什么打标签 | 第29页 |
| 2.2.2 用户如何打标签 | 第29页 |
| 2.2.3 用户打什么样的标签 | 第29-30页 |
| 2.3 基于标签的推荐系统 | 第30-31页 |
| 2.4 给用户推荐标签 | 第31-33页 |
| 2.4.1 为什么要给用户推荐标签 | 第31-32页 |
| 2.4.2 如何给用户推荐标签 | 第32-33页 |
| 第三章 基于张量分解的个性化标签推荐算法 | 第33-45页 |
| 3.1 张量分解 | 第33-36页 |
| 3.1.1 张量的矩阵展开与乘积 | 第33-34页 |
| 3.1.2 奇异值分解(SVD) | 第34-35页 |
| 3.1.3 高阶奇异值分解(HOSVD) | 第35-36页 |
| 3.2 算法轮廓 | 第36-37页 |
| 3.3 实例描述 | 第37-39页 |
| 3.4 基于张量分解的标签推荐算法 | 第39-43页 |
| 3.4.1 构造初始张量A | 第39-40页 |
| 3.4.2 张量A的矩阵展开 | 第40页 |
| 3.4.3 在三个模式上分别应用SVD | 第40-41页 |
| 3.4.4 低秩近似计算 | 第41-42页 |
| 3.4.5 近似核心张量S的构造 | 第42页 |
| 3.4.6 计算近似张量A | 第42-43页 |
| 3.4.7 标签推荐列表的生成 | 第43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 基于时间加权三部图的标签推荐算法 | 第45-51页 |
| 4.1 算法分析 | 第45-46页 |
| 4.2 基本加权方案 | 第46-47页 |
| 4.3 加权方案的改进 | 第47-48页 |
| 4.4 基于时间加权三部图的边权预测 | 第48-50页 |
| 4.4.1 构建邻接矩阵 | 第48-49页 |
| 4.4.2 路径权重Katz值计算 | 第49页 |
| 4.4.3 个性化标签推荐 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 实验结果 | 第51-59页 |
| 5.1 数据集 | 第51页 |
| 5.2 实验设计及评估指标 | 第51-52页 |
| 5.3 实验结果与分析 | 第52-56页 |
| 5.3.1 基于张量分解标签推荐算法的实验结果与分析 | 第52-53页 |
| 5.3.2 基于时间加权三部图标签推荐算法的实验结果与分析 | 第53-56页 |
| 5.4 本章小结 | 第56-59页 |
| 第六章 结论 | 第59-61页 |
| 6.1 本文总结 | 第59-60页 |
| 6.2 今后的研究工作 | 第60-61页 |
| 6.2.1 进一步的工作 | 第60页 |
| 6.2.2 标签推荐系统的展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 作者简介 | 第65页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第65-67页 |
| 致谢 | 第67页 |