迁移学习及其在多电商交叉推荐中的应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究的背景及意义 | 第11-12页 |
| ·国内外研究现状及分析 | 第12-14页 |
| ·迁移学习研究进展 | 第12-14页 |
| ·交叉推荐研究进展 | 第14页 |
| ·论文的主要工作 | 第14-15页 |
| ·论文的结构 | 第15-17页 |
| 第二章 迁移学习及交叉推荐相关研究综述 | 第17-26页 |
| ·引言 | 第17页 |
| ·迁移学习 | 第17-23页 |
| ·归纳迁移学习 | 第20-21页 |
| ·直推迁移学习 | 第21-22页 |
| ·无监督迁移学习 | 第22页 |
| ·迁移界限和负迁移 | 第22-23页 |
| ·交叉推荐 | 第23-25页 |
| ·基于跨电商行为的交叉推荐 | 第23-24页 |
| ·基于跨域主题学习模型的交叉推荐 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于迁移学习的跨电商交叉推荐 | 第26-40页 |
| ·引言 | 第26-28页 |
| ·跨电商交叉推荐问题 | 第28-29页 |
| ·一种基于迁移学习的跨电商交叉推荐算法 | 第29-39页 |
| ·算法 | 第29-33页 |
| ·实验设计 | 第33-35页 |
| ·实验结果及分析 | 第35-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于用户行为的用户意图预测 | 第40-59页 |
| ·引言 | 第40-41页 |
| ·用户意图建模和行为特征分析 | 第41-45页 |
| ·用户意图建模 | 第41-42页 |
| ·用户行为时间特征 | 第42-43页 |
| ·用户行为相似性特征 | 第43-45页 |
| ·一种基于线性阈值的用户意图预测算法 | 第45-55页 |
| ·算法 | 第45-48页 |
| ·实验设计 | 第48-50页 |
| ·实验结果及分析 | 第50-55页 |
| ·一种基于逻辑回归的用户意图预测算法 | 第55-57页 |
| ·算法 | 第55-56页 |
| ·实验设计 | 第56-57页 |
| ·实验结果及分析 | 第57页 |
| ·本章小结 | 第57-59页 |
| 第五章 基于场景引擎的信息推荐系统 | 第59-65页 |
| ·引言 | 第59页 |
| ·场景概述 | 第59-60页 |
| ·场景引擎原理 | 第60-62页 |
| ·特征 | 第60-61页 |
| ·模型 | 第61-62页 |
| ·模型训练 | 第62页 |
| ·基于场景引擎的信息推荐系统 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-68页 |
| ·工作总结 | 第65-66页 |
| ·工作展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士期间的成果 | 第75-76页 |
