基于用户影响力和隐式因子的推荐方法
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 研究现状 | 第11-18页 |
| 1.2.1 基于内容的推荐方法 | 第12页 |
| 1.2.2 传统协同过滤方法 | 第12-15页 |
| 1.2.3 考虑辅助信息的协同过滤 | 第15-18页 |
| 1.3 本文工作 | 第18-19页 |
| 1.4 本文组织结构 | 第19-20页 |
| 第2章 相关技术综述 | 第20-29页 |
| 2.1 概率主题模型 | 第20-22页 |
| 2.1.1 定义与假设 | 第20-21页 |
| 2.1.2 模型原理 | 第21页 |
| 2.1.3 推断与估计 | 第21-22页 |
| 2.2 潜在因子模型 | 第22-23页 |
| 2.3 对传统潜在因子模型的改进 | 第23-27页 |
| 2.3.1 基于社交的改进 | 第24-25页 |
| 2.3.2 基于文本信息的改进 | 第25-26页 |
| 2.3.3 基于上下文的改进 | 第26-27页 |
| 2.4 用户影响力算法 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于用户影响力和隐式因子的推荐方法 | 第29-44页 |
| 3.1 问题定义 | 第29-32页 |
| 3.2 物品属性建模 | 第32-37页 |
| 3.2.1 用户影响力计算 | 第33-35页 |
| 3.2.2 物品属性学习 | 第35-37页 |
| 3.3 用户偏好建模 | 第37-38页 |
| 3.4 基于用户影响力和隐式因子的推荐方法 | 第38-41页 |
| 3.5 模型学习 | 第41-42页 |
| 3.6 本章小结 | 第42-44页 |
| 第4章 实验结果与分析 | 第44-58页 |
| 4.1 数据集介绍 | 第44-45页 |
| 4.2 评价标准介绍 | 第45-46页 |
| 4.3 实验方案 | 第46-48页 |
| 4.3.1 模型参数分析 | 第46-47页 |
| 4.3.2 模型性能讨论 | 第47页 |
| 4.3.3 对比模型和算法 | 第47-48页 |
| 4.4 实验结果与分析 | 第48-56页 |
| 4.4.1 不同参数对模型的影响 | 第48-53页 |
| 4.4.2 模型性能讨论 | 第53-55页 |
| 4.4.3 模型对比及分析 | 第55-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 本文总结 | 第58-59页 |
| 5.2 未来工作展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间主要的研究成果 | 第65-66页 |
| 致谢 | 第66页 |
