| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.3 论文研究内容 | 第16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 2 推荐系统技术基础 | 第18-32页 |
| 2.1 推荐系统概述 | 第18-19页 |
| 2.2 推荐系统算法分类 | 第19-22页 |
| 2.2.1 基于关联规则推荐 | 第21页 |
| 2.2.2 基于知识推荐 | 第21页 |
| 2.2.3 组合推荐 | 第21-22页 |
| 2.3 协同过滤算法 | 第22-27页 |
| 2.3.1 基于邻域的方法 | 第22-24页 |
| 2.3.2 基于隐语义模型的方法 | 第24-27页 |
| 2.4 基于机器学习的推荐算法 | 第27-28页 |
| 2.4.1 基于主成分分析的推荐 | 第27页 |
| 2.4.2 基于RBM的推荐 | 第27-28页 |
| 2.5 推荐算法综合对比 | 第28-29页 |
| 2.6 推荐评测指标 | 第29-30页 |
| 2.7 本章小结 | 第30-32页 |
| 3 降噪堆栈式自动编码机的构建方法 | 第32-40页 |
| 3.1 传统的自动编码机 | 第32-36页 |
| 3.1.1 自动编码机的概念 | 第32-33页 |
| 3.1.2 传统自动编码机的公式化定义 | 第33-36页 |
| 3.2 降噪堆栈式自动编码机 | 第36-39页 |
| 3.2.1 常用的降噪模型 | 第36-37页 |
| 3.2.2 降噪堆栈式编码机的构造过程 | 第37-39页 |
| 3.3 本章小结 | 第39-40页 |
| 4 基于降噪式自动编码机的协同过滤算法研究 | 第40-49页 |
| 4.1 协同过滤推荐的主要任务 | 第40页 |
| 4.2 基于改进的栈式自动编码机的协同过滤推荐算法 | 第40-44页 |
| 4.2.1 改进的自动编码机模型 | 第40-43页 |
| 4.2.2 Top-N推荐和评分预测任务 | 第43-44页 |
| 4.3 实验 | 第44-48页 |
| 4.3.1 实验数据集 | 第44-45页 |
| 4.3.2 实验过程及结果分析 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 5 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录 | 第56页 |
| 作者在攻读学位期间发表的论文目录 | 第56页 |