基于显隐式反馈的协同推荐算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国内研究现状 | 第11页 |
| 1.2.2 国外研究现状 | 第11-12页 |
| 1.3 论文主要研究内容 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 第二章 相关研究综述 | 第14-26页 |
| 2.1 个性化推荐技术 | 第14-18页 |
| 2.1.1 协同过滤推荐 | 第15-16页 |
| 2.1.2 基于关联规则的推荐 | 第16页 |
| 2.1.3 基于知识的推荐 | 第16-17页 |
| 2.1.4 基于内容的推荐 | 第17页 |
| 2.1.5 基于效用的推荐 | 第17-18页 |
| 2.1.6 组合推荐 | 第18页 |
| 2.2 传统协同过滤推荐 | 第18-20页 |
| 2.2.1 基于用户的协同过滤推荐 | 第18-19页 |
| 2.2.2 基于项目的协同过滤推荐 | 第19-20页 |
| 2.3 用户反馈机制 | 第20-22页 |
| 2.3.1 显式反馈 | 第20-21页 |
| 2.3.2 隐式反馈 | 第21-22页 |
| 2.4 知识表示学习 | 第22-26页 |
| 2.4.1 距离模型 | 第22页 |
| 2.4.2 双线性模型 | 第22-23页 |
| 2.4.3 矩阵分解模型 | 第23页 |
| 2.4.4 翻译模型 | 第23-26页 |
| 第三章 基于结构特征和隐式反馈的协同排序推荐算法 | 第26-37页 |
| 3.1 术语定义 | 第26-28页 |
| 3.1.1 用户隐式反馈 | 第26-27页 |
| 3.1.2 结构知识 | 第27-28页 |
| 3.1.3 推荐问题定义 | 第28页 |
| 3.2 KE-BPR算法流程 | 第28-32页 |
| 3.2.1 结构嵌入 | 第28-30页 |
| 3.2.2 协同参与学习 | 第30-32页 |
| 3.3 实验与分析 | 第32-36页 |
| 3.3.1 数据集描述 | 第32-33页 |
| 3.3.2 评估模式 | 第33-35页 |
| 3.3.3 结果分析 | 第35-36页 |
| 3.4 小结 | 第36-37页 |
| 第四章 融合显隐式反馈的协同推荐模型 | 第37-47页 |
| 4.1 融合显隐式反馈的推荐模型(EIPM) | 第37-38页 |
| 4.2 EIPM模型的设计与实现 | 第38-41页 |
| 4.2.1 面向评分的推荐模型 | 第38-39页 |
| 4.2.2 面向排序的推荐模型 | 第39-40页 |
| 4.2.3 EIPM模型流程 | 第40-41页 |
| 4.3 实验与分析 | 第41-45页 |
| 4.3.1 数据集描述 | 第41页 |
| 4.3.2 评估模式 | 第41-42页 |
| 4.3.3 实验设计 | 第42-43页 |
| 4.3.4 结果分析 | 第43-45页 |
| 4.4 小结 | 第45-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47-48页 |
| 5.2 未来展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 附录 | 第54-55页 |
| 详细摘要 | 第55-57页 |
