基于情景感知的个性化音乐推荐算法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 论文的主要工作与结构安排 | 第12-13页 |
| 1.2.1 论文的主要工作 | 第12页 |
| 1.2.2 论文的结构安排 | 第12-13页 |
| 1.3 本章小结 | 第13-14页 |
| 第二章 推荐系统及情景感知相关理论 | 第14-24页 |
| 2.1 推荐系统基本概念 | 第14页 |
| 2.2 主要推荐方法 | 第14-20页 |
| 2.2.1 基于内容的推荐 | 第14-15页 |
| 2.2.2 协同过滤推荐 | 第15-19页 |
| 2.2.3 混合推荐 | 第19-20页 |
| 2.3 情景感知相关理论 | 第20-23页 |
| 2.3.1 情景的定义和获取 | 第20页 |
| 2.3.2 情景用户偏好提取 | 第20-21页 |
| 2.3.3 情景建模相关技术 | 第21-22页 |
| 2.3.4 情景感知推荐 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于情景过滤的音乐推荐 | 第24-40页 |
| 3.1 引言 | 第24页 |
| 3.2 用户行为数据分析 | 第24-27页 |
| 3.2.1 显式用户反馈 | 第24-25页 |
| 3.2.2 隐式用户反馈 | 第25-26页 |
| 3.2.3 隐式评分转换 | 第26-27页 |
| 3.3 用户关系模型 | 第27-31页 |
| 3.3.1 传统用户关系模型 | 第27-28页 |
| 3.3.2 改进的时序用户关系模型 | 第28-31页 |
| 3.4 情景再现推荐 | 第31-34页 |
| 3.4.1 情景再现推荐思想 | 第31页 |
| 3.4.2 情景的选择与过滤 | 第31-33页 |
| 3.4.3 情景再现推荐框架 | 第33-34页 |
| 3.5 实验设计和结果分析 | 第34-39页 |
| 3.5.1 实验数据集 | 第34-36页 |
| 3.5.2 评价指标 | 第36页 |
| 3.5.3 实验设计 | 第36-37页 |
| 3.5.4 实验结果及分析 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 基于情景建模的音乐推荐 | 第40-50页 |
| 4.1 引言 | 第40页 |
| 4.2 基于概率矩阵分解的情景感知推荐 | 第40-43页 |
| 4.2.1 概率矩阵分解原理 | 第40-42页 |
| 4.2.2 多维情景的降维处理 | 第42-43页 |
| 4.3 基于时序概率矩阵分解的情景感知推荐 | 第43-45页 |
| 4.3.1 算法的改进思想 | 第43页 |
| 4.3.2 公式推导 | 第43-44页 |
| 4.3.3 模型训练 | 第44-45页 |
| 4.4 实验设计与结果分析 | 第45-49页 |
| 4.4.1 实验设计 | 第45-46页 |
| 4.4.2 实验结果及分析 | 第46-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 工作总结 | 第50页 |
| 5.2 未来展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-58页 |
| 攻读硕士学位期间的主要学术活动和研究成果 | 第58页 |
