首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

非独立同分布推荐系统研究

摘要第5-7页
Abstract第7-9页
目录第10-13页
图索引第13-14页
表索引第14-15页
第1章 绪论第15-31页
    1.1 课题的提出第15-17页
    1.2 传统推荐系统第17-24页
        1.2.1 推荐系统的历史第17-18页
        1.2.2 推荐系统研究方法第18-23页
        1.2.3 推荐系统方法的进化第23-24页
    1.3 非独立同分布学习第24-27页
    1.4 非独立同分布的推荐系统第27-29页
    1.5 本文研究内容和组织结构第29-31页
第2章 基于物品的耦合矩阵分解第31-50页
    2.1 引言第31页
    2.2 本章的研究动机第31-32页
    2.3 相关研究第32-38页
        2.3.1 协同过滤第32-34页
        2.3.2 基于内容的推荐第34-35页
        2.3.3 相似性度量第35-38页
    2.4 问题描述第38-40页
    2.5 基于物品的耦合矩阵分解第40-43页
        2.5.1 物品耦合关系分析第40-41页
        2.5.2 物品耦合矩阵分解模型第41-43页
    2.6 实验与分析第43-48页
        2.6.1 实验语料库的选择第43-44页
        2.6.2 实验设置第44页
        2.6.3 实验与分析第44-48页
    2.7 本章小结第48-50页
第3章 混合用户和物品的耦合矩阵分解第50-67页
    3.1 引言第50-52页
    3.2 本章的研究动机第52-53页
    3.3 问题描述第53-56页
    3.4 耦合矩阵分解框架第56-60页
        3.4.1 整体框架第56-57页
        3.4.2 用户耦合关系分析第57页
        3.4.3 物品耦合关系分析第57页
        3.4.4 用户-物品耦合关系分析第57-58页
        3.4.5 耦合矩阵分解模型第58-60页
    3.5 实验与分析第60-65页
        3.5.1 实验语料库的选择第60页
        3.5.2 实验设置第60页
        3.5.3 实验与分析第60-65页
    3.6 本章小结第65-67页
第4章 基于群组的社交矩阵分解第67-83页
    4.1 引言第67-68页
    4.2 本章的研究动机第68页
    4.3 相关研究第68-71页
        4.3.1 SlopeOne 协同过滤第69页
        4.3.2 浅层因子模型第69-70页
        4.3.3 社交网络与推荐系统第70页
        4.3.4 主题模型第70-71页
    4.4 基于群组的社交矩阵分解第71-77页
        4.4.1 耦合关系分析第71-74页
        4.4.2 群组推理第74-76页
        4.4.3 基于群组的耦合矩阵分解模型第76-77页
    4.5 实验与分析第77-82页
        4.5.1 实验语料库的选择第77-78页
        4.5.2 实验设置第78-79页
        4.5.3 实验结果第79-82页
    4.6 本章小结第82-83页
第5章 整合监督学习的自适应标注聚类分析第83-103页
    5.1 引言第83-85页
    5.2 本章的研究动机第85页
    5.3 相关研究第85-86页
        5.3.1 半监督学习第86页
        5.3.2 整合聚类和分类的方法第86页
    5.4 CSAL 框架第86-91页
        5.4.1 符号说明第87页
        5.4.2 CSAL 框架第87-88页
        5.4.3 训练集选择算法第88-91页
    5.5 整合聚类和分类的划分算法第91-94页
        5.5.1 期望最大化分类算法第91-92页
        5.5.2 CSAL 算法第92-93页
        5.5.3 CSAL 收敛性和复杂分析第93-94页
    5.6 实验与分析第94-101页
        5.6.1 实验数据集第94-96页
        5.6.2 实验设置第96页
        5.6.3 实验结果第96-101页
        5.6.4 运行时间的比较第101页
    5.7 本章小结第101-103页
第6章 结论第103-106页
    本文研究工作总结第103-105页
    下一步的研究设想第105-106页
参考文献第106-116页
攻读博士学位期间发表的论文第116-118页
致谢第118-119页
作者简介第119页

论文共119页,点击 下载论文
上一篇:凸包算法和最近子空间分析及其在人脸识别中的应用
下一篇:低轨卫星星载通信信号处理关键技术研究