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

融合多指标评分与多源文本的推荐算法研究

摘要第10-12页
ABSTRACT第12-14页
第1章 引言第15-25页
    1.1 研究背景与意义第15-17页
    1.2 问题提出第17-20页
    1.3 研究工作面临的主要挑战第20-22页
    1.4 本文的主要贡献第22-23页
    1.5 论文的组织结构第23-25页
第2章 研究现状与相关工作第25-38页
    2.1 个性化推荐第25-28页
    2.2 多指标评分推荐第28-31页
    2.3 基于情感分析的推荐第31-33页
    2.4 因子分解机第33-35页
    2.5 深度学习第35-36页
    2.6 本章小节第36-38页
第3章 基于多指标评分模式的协同过滤推荐第38-54页
    3.1 本章引言第38-39页
    3.2 相关工作第39-41页
    3.3 问题定义第41页
    3.4 基于码本聚类思想的多指标评分/被评分模式表示第41-44页
        3.4.1 码本聚类与评分/被评分模式第41-44页
        3.4.2 用户多指标评分模式和商品被评分模式表示第44页
    3.5 基于因子分解机的多指标评分预测第44-48页
        3.5.1 因子分解机第44-46页
        3.5.2 集成用户评分模式和商品被评分模式的特征向量构造第46-48页
    3.6 实验及性能评价第48-53页
        3.6.1 测试数据集第48页
        3.6.2 对比模型第48-49页
        3.6.3 评价指标第49-50页
        3.6.4 实验结果第50-53页
    3.7 本章小结第53-54页
第4章 基于多类别商品方面情感分析的动态推荐第54-76页
    4.1 本章引言第54-56页
    4.2 相关工作第56-57页
    4.3 动机与问题定义第57-58页
    4.4 多类别商品方面情感分析建模第58-63页
        4.4.1 模型建立第58-60页
        4.4.2 模型参数估计第60-63页
        4.4.3 模型复杂度分析第63页
    4.5 模型应用第63-64页
        4.5.1 时间感知的商品推荐第63-64页
        4.5.2 时间感知的用户推荐第64页
    4.6 实验与分析第64-74页
        4.6.1 数据集描述第64-65页
        4.6.2 评价指标第65页
        4.6.3 模型选择第65-66页
        4.6.4 对比方法第66页
        4.6.5 实验结果及分析第66-74页
    4.7 本章小结第74-76页
第5章 融合多指标评分和评论的神经网络推荐第76-89页
    5.1 本章引言第76-77页
    5.2 相关工作第77-79页
    5.3 问题定义与模型概览第79-80页
    5.4 融合多指标评分和评论的推荐算法第80-83页
        5.4.1 神经多指标评分回归第80-82页
        5.4.2 神经评论文本生成第82页
        5.4.3 模型优化第82-83页
    5.5 实验和分析第83-87页
        5.5.1 数据集和评价指标第83-84页
        5.5.2 对比模型第84页
        5.5.3 实验结果与分析第84-86页
        5.5.4 模型详细分析第86-87页
    5.6 本章小结第87-89页
第6章 多源文本局部主题化成对卷积神经网络推荐模型第89-105页
    6.1 本章引言第89-91页
    6.2 相关工作第91页
    6.3 问题提出与模型概览第91-93页
    6.4 多源文本局部主题化卷积神经网络构建第93-98页
        6.4.1 局部主题化卷积神经网络构建第93-96页
        6.4.2 商品多源文本分析与特征提取第96-97页
        6.4.3 LTP-CNN关联算法第97-98页
        6.4.4 推荐场景中的加速第98页
    6.5 模型训练第98-100页
        6.5.1 目标函数第99页
        6.5.2 实验环境、超参数设定与词嵌入初始化第99-100页
    6.6 实验与分析第100-103页
        6.6.1 数据集与评价指标第100页
        6.6.2 对比方法第100-101页
        6.6.3 实验结果第101-103页
    6.7 本章小结第103-105页
第7章 总结与展望第105-108页
    7.1 主要工作和贡献第105-106页
    7.2 未来研究工作展望第106-108页
参考文献第108-121页
科研成果目录第121-123页
致谢第123-124页

论文共124页,点击 下载论文
上一篇:基于线程调度的通用图形处理器性能优化方法研究
下一篇:道路网约束下的城市社区人群活动时空模式研究