| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 推荐算法的研究背景 | 第10-11页 |
| 1.2 推荐算法的研究现状 | 第11-14页 |
| 1.2.1 国内研究现状 | 第11-12页 |
| 1.2.2 国外研究现状 | 第12-14页 |
| 1.3 本文组织结构 | 第14-16页 |
| 1.4 本文的符号对照表 | 第16-17页 |
| 第2章 推荐系统概述 | 第17-23页 |
| 2.1 推荐问题的定义 | 第17页 |
| 2.2 推荐系统的组成结构 | 第17-18页 |
| 2.3 推荐算法 | 第18-21页 |
| 2.3.1 基于内容（Content）的推荐算法 | 第18-19页 |
| 2.3.2 基于邻域（Neighborhood）的协同过滤推荐算法 | 第19-20页 |
| 2.3.3 基于模型（Model）的协同过滤推荐算法 | 第20-21页 |
| 2.4 推荐系统的问题和挑战 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 面向推荐系统中异构反馈的协同过滤算法研究 | 第23-36页 |
| 3.1 问题的提出与分析 | 第23页 |
| 3.2 矩阵分解模型（SVD） | 第23-24页 |
| 3.3 SVD++模型 | 第24-25页 |
| 3.4 面向异构反馈的协同过滤模型 | 第25-28页 |
| 3.4.1 sTL模型建立 | 第25页 |
| 3.4.2 sTL模型求解 | 第25-26页 |
| 3.4.3 sTL算法流程 | 第26-27页 |
| 3.4.4 sTL算法描述 | 第27-28页 |
| 3.5 实验 | 第28-35页 |
| 3.5.1 实验数据集 | 第28-29页 |
| 3.5.2 实验评价指标 | 第29-30页 |
| 3.5.3 实验设计 | 第30-31页 |
| 3.5.4 sTL实验效果与比较分析 | 第31-32页 |
| 3.5.5 自主迁移学习的次数L对sTL推荐效果的影响 | 第32-34页 |
| 3.5.6 阈值0r的选取对sTL推荐效果的影响 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 面向推荐系统中异构反馈的协同排序算法研究 | 第36-48页 |
| 4.1 问题的提出与分析 | 第36页 |
| 4.2 贝叶斯个性化排序模型（BPR） | 第36-38页 |
| 4.3 面向异构反馈的协同排序模型 | 第38-40页 |
| 4.3.1 分步矩阵分解模型（SMF） | 第38-39页 |
| 4.3.2 SMF算法流程 | 第39-40页 |
| 4.4 实验 | 第40-47页 |
| 4.4.1 实验数据集 | 第40-41页 |
| 4.4.2 实验评价指标 | 第41-42页 |
| 4.4.3 实验设计 | 第42-43页 |
| 4.4.4 SMF实验效果与比较分析 | 第43-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48-49页 |
| 5.2 展望 | 第49-50页 |
| 参考文献 | 第50-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间的研究成果和科研经历 | 第57页 |
