基于矩阵分解的个性化信息流推荐技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 引言 | 第9-15页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 个性化信息流推荐技术研究现状 | 第11-13页 |
| 1.3 本文主要工作 | 第13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 第二章 矩阵分解推荐算法概述 | 第15-29页 |
| 2.1 推荐系统算法概述 | 第15-17页 |
| 2.2 SVD模型 | 第17-18页 |
| 2.3 MF模型 | 第18-26页 |
| 2.3.1 基本概念 | 第18-20页 |
| 2.3.2 训练方式 | 第20-22页 |
| 2.3.3 偏见系数 | 第22-23页 |
| 2.3.4 额外的训练数据 | 第23-24页 |
| 2.3.5 时间效应 | 第24-25页 |
| 2.3.6 置信水平 | 第25-26页 |
| 2.3.7 模型总结 | 第26页 |
| 2.4 NMF模型 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于矩阵分解的信息流推荐模型 | 第29-49页 |
| 3.1 问题提出 | 第29-30页 |
| 3.2 用户特征构造 | 第30-37页 |
| 3.2.1 信息流系统中的用户分类 | 第31-33页 |
| 3.2.2 信息提供者的特征词向量 | 第33-35页 |
| 3.2.3 信息获取者的特征词向量 | 第35-37页 |
| 3.3 推荐模型 | 第37-42页 |
| 3.3.1 模型基本思想 | 第37-39页 |
| 3.3.2 用户及特征词隐因子向量 | 第39-40页 |
| 3.3.3 推荐的生成 | 第40-42页 |
| 3.4 模型拓展 | 第42-45页 |
| 3.5 模型评测方法 | 第45-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第四章 实验与结果分析 | 第49-66页 |
| 4.1 数据集分析 | 第49-57页 |
| 4.1.1 数据集选择 | 第49-50页 |
| 4.1.2 数据集基本信息 | 第50-52页 |
| 4.1.3 数据集相关统计信息 | 第52-57页 |
| 4.2 实验方案 | 第57-60页 |
| 4.2.1 实验条件 | 第57-58页 |
| 4.2.2 数据集初始化 | 第58页 |
| 4.2.3 实验具体步骤 | 第58-60页 |
| 4.3 实验结果与分析 | 第60-65页 |
| 4.3.1 推荐列表长度的变化 | 第61页 |
| 4.3.2 推荐阈值对评测指标的影响 | 第61-62页 |
| 4.3.3 评测阈值对评测指标的影响 | 第62-63页 |
| 4.3.4 模型对比 | 第63-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-69页 |
| 5.1 总结 | 第66-67页 |
| 5.2 展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-75页 |
