推荐系统评分预测模型研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 主要符号表 | 第15-16页 |
| 1 绪论 | 第16-36页 |
| 1.1 课题背景 | 第16-24页 |
| 1.1.1 引言 | 第16-17页 |
| 1.1.2 推荐系统发展历史 | 第17-18页 |
| 1.1.3 推荐系统简介 | 第18-22页 |
| 1.1.4 推荐系统发展面临的挑战 | 第22-24页 |
| 1.2 研究内容 | 第24-27页 |
| 1.3 国内外研究现状 | 第27-34页 |
| 1.3.1 基于协同过滤的评分预测算法研究 | 第28-31页 |
| 1.3.2 时间感知的推荐系统研究 | 第31-32页 |
| 1.3.3 评分与评论主题挖掘推荐系统研究 | 第32页 |
| 1.3.4 应用视觉图像信息的推荐系统研究 | 第32-33页 |
| 1.3.5 终身机器学习相关研究 | 第33-34页 |
| 1.4 论文组织结构 | 第34-36页 |
| 2 评分与评论的时间动态研究 | 第36-56页 |
| 2.1 引言 | 第36页 |
| 2.2 动态主题挖掘评分预测模型 | 第36-55页 |
| 2.2.1 研究动机 | 第36-37页 |
| 2.2.2 EDTR模型设计 | 第37-42页 |
| 2.2.3 模型拟合 | 第42-44页 |
| 2.2.4 实验与结果分析 | 第44-55页 |
| 2.3 本章小结 | 第55-56页 |
| 3 视觉感知与评论主题的联合挖掘方法研究 | 第56-75页 |
| 3.1 引言 | 第56页 |
| 3.2 视觉图像动态评分模型 | 第56-73页 |
| 3.2.1 研究动机 | 第56-60页 |
| 3.2.2 VITAL模型设计 | 第60-65页 |
| 3.2.3 模型拟合 | 第65-67页 |
| 3.2.4 实验与结果分析 | 第67-73页 |
| 3.3 本章小结 | 第73-75页 |
| 4 基于终身学习的评分预测模型研究 | 第75-107页 |
| 4.1 引言 | 第75页 |
| 4.2 终身学习评分预测模型 | 第75-95页 |
| 4.2.1 研究动机 | 第75-77页 |
| 4.2.2 LRS模型设计 | 第77-84页 |
| 4.2.3 模型拟合 | 第84页 |
| 4.2.4 实验与结果分析 | 第84-95页 |
| 4.3 终身学习主题与评分联合模型 | 第95-105页 |
| 4.3.1 研究动机 | 第95-98页 |
| 4.3.2 模型设计 | 第98-102页 |
| 4.3.3 实验与结果分析 | 第102-105页 |
| 4.4 本章小结 | 第105-107页 |
| 5 总结与展望 | 第107-110页 |
| 5.1 论文总结 | 第107-108页 |
| 5.2 创新点总结 | 第108-109页 |
| 5.3 工作展望 | 第109-110页 |
| 参考文献 | 第110-120页 |
| 攻读博士学位期间科研项目及科研成果 | 第120-122页 |
| 致谢 | 第122-124页 |
| 作者简介 | 第124页 |
