融合不信任信息的社会化推荐模型研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 本文研究动机及主要工作 | 第10-11页 |
| 1.3 本文组织结构 | 第11-12页 |
| 第2章 问题描述与相关工作 | 第12-22页 |
| 2.1 问题描述 | 第12-15页 |
| 2.2 MEMORY-BASED协同过滤算法 | 第15-17页 |
| 2.3 MODEL-BASED协同过滤算法 | 第17-18页 |
| 2.4 若干社会化推荐算法 | 第18-20页 |
| 2.5 若干符号预测算法 | 第20-22页 |
| 第3章 矩阵分解模型TDREC | 第22-27页 |
| 3.1 算法思想 | 第22页 |
| 3.2 TDREC模型 | 第22-24页 |
| 3.3 TDREC模型的优化方法 | 第24-26页 |
| 3.4 TDREC模型时间复杂度分析 | 第26-27页 |
| 第4章 耦合低秩模型CLR | 第27-39页 |
| 4.1 问题描述 | 第27页 |
| 4.2 评分信息的低秩近似 | 第27-28页 |
| 4.3 用户社会间关系信息的低秩近似 | 第28-30页 |
| 4.4 耦合低秩近似模型CLR | 第30-32页 |
| 4.5 近似方法的恢复条件 | 第32-34页 |
| 4.6 CLR模型的优化算法 | 第34-38页 |
| 4.7 CLR模型时间复杂度分析 | 第38-39页 |
| 第5章 实验验证与分析 | 第39-44页 |
| 5.1 数据集描述 | 第39-40页 |
| 5.2 实验设置 | 第40-42页 |
| 5.2.1 评价指标 | 第40-41页 |
| 5.2.2 交叉验证 | 第41页 |
| 5.2.3 对比算法 | 第41页 |
| 5.2.4 参数设置 | 第41-42页 |
| 5.3 实验结果 | 第42-44页 |
| 第6章 总结与展望 | 第44-46页 |
| 6.1 本文工作总结 | 第44页 |
| 6.2 工作展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 作者简介 | 第49-50页 |
| 致谢 | 第50页 |
