基于特征表示的推荐算法实践与研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14页 |
| 1.5 本章小结 | 第14-15页 |
| 第2章 相关研究技术概述 | 第15-26页 |
| 2.1 推荐中的特征表示 | 第15-22页 |
| 2.1.1 隐因子模型 | 第15-16页 |
| 2.1.2 因子机模型 | 第16-19页 |
| 2.1.3 神经网络模型 | 第19-22页 |
| 2.2 推荐中的排序学习 | 第22-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 基于特征表示的模型实现 | 第26-36页 |
| 3.1 SVD-H | 第26-29页 |
| 3.1.1 模型定义 | 第26-27页 |
| 3.1.2 求解优化 | 第27-28页 |
| 3.1.3 排序模型设置 | 第28-29页 |
| 3.2 FFM | 第29-31页 |
| 3.2.1 模型定义 | 第29-30页 |
| 3.2.2 实现与求解 | 第30-31页 |
| 3.3 DeepRec | 第31-35页 |
| 3.3.1 模型定义 | 第31-33页 |
| 3.3.2 分布式表达与嵌入层 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于上下文的矩阵分解 | 第36-44页 |
| 4.1 模型定义与求解 | 第36-40页 |
| 4.1.1 上下文建模 | 第36-38页 |
| 4.1.2 排序优化 | 第38-40页 |
| 4.2 模型融合 | 第40-43页 |
| 4.2.1 Stacking | 第41-42页 |
| 4.2.2 Joint-training | 第42-43页 |
| 4.3 本章小结 | 第43-44页 |
| 第5章 实验评测和分析 | 第44-58页 |
| 5.1 数据与指标介绍 | 第44-50页 |
| 5.1.1 数据集介绍 | 第44-47页 |
| 5.1.2 评测指标 | 第47-49页 |
| 5.1.3 覆盖率 | 第49页 |
| 5.1.4 多样性 | 第49-50页 |
| 5.2 隐因子对CAMF的影响 | 第50页 |
| 5.3 不同上下文建模方式比较 | 第50-53页 |
| 5.4 排序优化对推荐的影响 | 第53-55页 |
| 5.5 不同模型融合框架比较 | 第55-57页 |
| 5.6 本章小结 | 第57-58页 |
| 第6章 总结和展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士研究生期间的主要研究成果 | 第63-64页 |
| 致谢 | 第64页 |
