条件偏好挖掘与推荐系统关键问题研究
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 1 绪论 | 第11-24页 |
| 1.1 研究背景 | 第11-17页 |
| 1.2 本文研究内容 | 第17-22页 |
| 1.3 本文贡献及章节安排 | 第22-24页 |
| 2 基于分支定界的CP-net学习方法 | 第24-60页 |
| 2.1 CP-nets和偏好图相关概念 | 第24-27页 |
| 2.2 问题介绍 | 第27-29页 |
| 2.3 主要思路 | 第29页 |
| 2.4 研究现状 | 第29-34页 |
| 2.5 从不一致的样本中学习CP-nets | 第34-47页 |
| 2.6 实验与讨论 | 第47-59页 |
| 2.7 本章小结 | 第59-60页 |
| 3 基于假设检验的CP-nets学习算法 | 第60-79页 |
| 3.1 问题描述 | 第60-61页 |
| 3.2 主要思路 | 第61页 |
| 3.3 基于假设检验的CP-nets学习算法 | 第61-72页 |
| 3.4 实验结果及讨论 | 第72-77页 |
| 3.5 本章小结 | 第77-79页 |
| 4 基于社交关系及物品属性的推荐方法 | 第79-110页 |
| 4.1 问题描述 | 第79-82页 |
| 4.2 相关研究工作 | 第82-85页 |
| 4.3 矩阵分解介绍 | 第85-88页 |
| 4.4 融合社交关系和物品信息的推荐方法 | 第88-95页 |
| 4.5 实验与讨论 | 第95-109页 |
| 4.6 本章小结 | 第109-110页 |
| 5 以列表为单位的推荐方法 | 第110-132页 |
| 5.1 问题描述 | 第110-113页 |
| 5.2 相关工作 | 第113-114页 |
| 5.3 以列表为单位的概率矩阵分解 | 第114-119页 |
| 5.4 实验与讨论 | 第119-131页 |
| 5.5 本章小结 | 第131-132页 |
| 6 结束语 | 第132-135页 |
| 致谢 | 第135-136页 |
| 参考文献 | 第136-145页 |
| 附录1 攻读博士学位期间发表的论文及专利 | 第145-147页 |
| 附录2 攻读博士学位期间获得的奖励 | 第147页 |
