基于信任机制的并行推荐算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状分析 | 第12-14页 |
| 1.2.1 推荐算法研究现状 | 第12-14页 |
| 1.2.2 GPU并行推荐研究现状 | 第14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第2章 推荐算法及并行化研究概述 | 第17-33页 |
| 2.1 引言 | 第17页 |
| 2.2 主要推荐算法 | 第17-26页 |
| 2.2.1 协同过滤推荐算法 | 第17-22页 |
| 2.2.2 基于内容的推荐算法 | 第22-23页 |
| 2.2.3 基于知识的推荐算法 | 第23-25页 |
| 2.2.4 混合推荐算法 | 第25-26页 |
| 2.3 推荐算法的比较 | 第26-27页 |
| 2.4 并行化研究概述 | 第27-32页 |
| 2.4.1 GPU并行原理 | 第27-29页 |
| 2.4.2 CUDA并行平台 | 第29-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于信任机制的并行推荐模型 | 第33-50页 |
| 3.1 引言 | 第33页 |
| 3.2 基于信任机制的矩阵分解模型 | 第33-40页 |
| 3.2.1 信任机制概述 | 第33-36页 |
| 3.2.2 信任机制的融合方法 | 第36-37页 |
| 3.2.3 矩阵分解模型概述 | 第37-39页 |
| 3.2.4 UTMF 模型 | 第39-40页 |
| 3.3 推荐算法的并行模型 | 第40-49页 |
| 3.3.1 并行问题分析 | 第40-42页 |
| 3.3.2 交替最小二乘法并行模型 | 第42-43页 |
| 3.3.3 分布式随机梯度下降并行模型 | 第43-46页 |
| 3.3.4 PTSGD并行模型 | 第46-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 实验结果及分析 | 第50-58页 |
| 4.1 引言 | 第50页 |
| 4.2 实验条件 | 第50-52页 |
| 4.2.1 实验数据集 | 第50页 |
| 4.2.2 实验参数设置 | 第50页 |
| 4.2.3 实验环境 | 第50-51页 |
| 4.2.4 实验评价标准 | 第51-52页 |
| 4.2.5 实验设计 | 第52页 |
| 4.3 实验结果分析 | 第52-57页 |
| 4.3.1 UTMF模型结果及分析 | 第52-55页 |
| 4.3.2 PTSGD模型结果及分析 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 附录A 攻读学位期间所发表的学术论文 | 第64-65页 |
| 致谢 | 第65页 |
