| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 国内外研究现状 | 第9-11页 |
| 1.1.1 推荐系统的研究现状 | 第9-10页 |
| 1.1.2 矩阵分解模型的研究现状 | 第10-11页 |
| 1.1.3 单类协同过滤的研究现状 | 第11页 |
| 1.2 论文研究背景及意义 | 第11-12页 |
| 1.3 研究内容与创新点 | 第12-13页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 创新点 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 2 推荐系统及相关理论 | 第15-23页 |
| 2.1 推荐系统 | 第15页 |
| 2.2 推荐算法 | 第15-22页 |
| 2.2.1 基于内容的推荐算法 | 第15-16页 |
| 2.2.2 基于协同过滤的推荐算法 | 第16-19页 |
| 2.2.3 基于规则的推荐算法 | 第19-21页 |
| 2.2.4 混合推荐算法 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 3 基于概率抽样的单类协同过滤优化算法 | 第23-35页 |
| 3.1 问题描述 | 第23-24页 |
| 3.2 基于加权最小二乘法的单类协同过滤 | 第24-26页 |
| 3.2.1 加权最小二乘法 | 第25页 |
| 3.2.2 负样本的选择 | 第25-26页 |
| 3.3 基于概率抽样的优化算法 | 第26-34页 |
| 3.3.1 规则及关联度度量 | 第26-28页 |
| 3.3.2 用户负样本选择分析 | 第28-29页 |
| 3.3.3 基于概率抽样的负样本选择方法 | 第29-32页 |
| 3.3.4 基于加权特征融合的概率抽样负样本选择方法 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 4 基于二项分布的概率矩阵分解 | 第35-43页 |
| 4.1 问题描述 | 第35-36页 |
| 4.2 概率矩阵分解 | 第36-38页 |
| 4.2.1 模型的描述 | 第36-37页 |
| 4.2.2 模型的扩展 | 第37-38页 |
| 4.3 基于二项分布的概率矩阵分解模型 | 第38-42页 |
| 4.3.1 二项分布 | 第38页 |
| 4.3.2 模型的描述 | 第38-41页 |
| 4.3.3 参数训练 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 5 实验及结果分析 | 第43-54页 |
| 5.1 实验环境 | 第43页 |
| 5.2 数据集 | 第43页 |
| 5.3 评价指标 | 第43-44页 |
| 5.4 实验方案 | 第44-52页 |
| 5.4.1 基于概率抽样的单类协同过滤实验 | 第44-50页 |
| 5.4.2 基于二项分布的概率矩阵分解实验 | 第50-51页 |
| 5.4.3 基于概率抽样和二项分布的联合实验 | 第51-52页 |
| 5.5 本章小结 | 第52-54页 |
| 6 总结和展望 | 第54-56页 |
| 6.1 总结 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 附录 攻读学位期间参加的科研工作及成果 | 第60-61页 |