基于改进张量分解的个性化标签推荐算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文研究内容 | 第10-11页 |
| 1.4 本文组织结构 | 第11-14页 |
| 第2章 个性化推荐系统研究综述 | 第14-26页 |
| 2.1 传统个性化推荐系统研究综述 | 第14-21页 |
| 2.1.1 基于协同过滤个性化推荐算法 | 第15-20页 |
| 2.1.2 基于内容的推荐算法 | 第20页 |
| 2.1.3 混合推荐算法 | 第20-21页 |
| 2.2 个性化标签推荐系统研究综述 | 第21-25页 |
| 2.2.1 基于分众分类的方法 | 第22-23页 |
| 2.2.2 基于FolkRank的方法 | 第23页 |
| 2.2.3 基于张量的方法 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 基于张量分解的标签推荐算法 | 第26-42页 |
| 3.1 算法思想 | 第26-29页 |
| 3.2 相关定义 | 第29-34页 |
| 3.3 算法步骤 | 第34-40页 |
| 3.3.1 初始张量A的构造 | 第35-36页 |
| 3.3.2 张量A的矩阵展开 | 第36页 |
| 3.3.3 矩阵的SVD分解 | 第36-37页 |
| 3.3.4 低秩近似计算 | 第37-38页 |
| 3.3.5 构造近似张量 | 第38-39页 |
| 3.3.6 构造近似张量 | 第39-40页 |
| 3.3.7 生成标签推荐列表 | 第40页 |
| 3.4 本章小结 | 第40-42页 |
| 第4章 基于改进张量分解的标签推荐算法 | 第42-54页 |
| 4.1 算法思想 | 第42-43页 |
| 4.2 相关定义 | 第43-44页 |
| 4.2.1 用户分组分类表示 | 第43页 |
| 4.2.2 用户、物品、标签的权重优化 | 第43-44页 |
| 4.3 算法改进步骤 | 第44-53页 |
| 4.3.1 对用户分类 | 第44-46页 |
| 4.3.2 优化用户、物品和标签的权重 | 第46-50页 |
| 4.3.3 张量分解 | 第50-51页 |
| 4.3.4 生成标签推荐列表 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 实验数据及结果分析 | 第54-60页 |
| 5.1 实验数据 | 第54-55页 |
| 5.1.1 MovieLens数据集 | 第54页 |
| 5.1.2 Delicious数据集 | 第54-55页 |
| 5.1.3 Last.fm数据集 | 第55页 |
| 5.2 评价准则 | 第55页 |
| 5.3 算法结果分析 | 第55-59页 |
| 5.4 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间所发表的学术论文 | 第66-68页 |
| 致谢 | 第68页 |
