基于异质信息网络的深度学习推荐算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第8-13页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-11页 |
| 1.4 研究内容及文章架构 | 第11-13页 |
| 1.4.1 研究内容 | 第11页 |
| 1.4.2 本文架构 | 第11-13页 |
| 第二章 推荐系统相关知识概述 | 第13-19页 |
| 2.1 推荐系统 | 第13-15页 |
| 2.1.1 推荐系统的定义 | 第13页 |
| 2.1.2 推荐系统的主要方法 | 第13-15页 |
| 2.2 协同过滤算法 | 第15-18页 |
| 2.2.1 基于近邻的推荐算法 | 第15-16页 |
| 2.2.2 基于矩阵分解的推荐算法 | 第16-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第三章 异质信息网络及其表示学习 | 第19-24页 |
| 3.1 异质信息网络概述 | 第19-21页 |
| 3.1.1 异质信息网络定义 | 第19-20页 |
| 3.1.2 网络模式 | 第20页 |
| 3.1.3 元路径 | 第20-21页 |
| 3.2 网络表示学习概述 | 第21-23页 |
| 3.2.1 基于神经网络的基本表示学习方法 | 第21-22页 |
| 3.2.2 基于神经网络的异质表示学习方法 | 第22-23页 |
| 3.3 本章小结 | 第23-24页 |
| 第四章 异质信息网络的深度学习推荐算法研究 | 第24-29页 |
| 4.1 编码特征向量 | 第24-26页 |
| 4.1.1 用户-物品交互矩阵 | 第24-25页 |
| 4.1.2 编码属性 | 第25-26页 |
| 4.2 HINCF模型设计 | 第26-28页 |
| 4.3 本章小结 | 第28-29页 |
| 第五章 实验结果与分析 | 第29-38页 |
| 5.1 数据集 | 第29页 |
| 5.2 实验设置 | 第29-30页 |
| 5.3 评估指标 | 第30-31页 |
| 5.4 参数对模型的影响 | 第31-34页 |
| 5.4.1 参数α对模型的影响 | 第31-32页 |
| 5.4.2 参数batch_size对模型的影响 | 第32-33页 |
| 5.4.3 参数epoch对模型的影响 | 第33-34页 |
| 5.5对比实验 | 第34-37页 |
| 5.5.1 基准算法 | 第34页 |
| 5.5.2 对比实验结果 | 第34-37页 |
| 5.6 本章小结 | 第37-38页 |
| 第六章 总结与展望 | 第38-39页 |
| 6.1 总结 | 第38页 |
| 6.2 展望 | 第38-39页 |
| 参考文献 | 第39-43页 |
| 致谢 | 第43-44页 |
| 在学期间公开发表论文及著作情况 | 第44页 |
