引入兴趣稳定性和高效用因子的混合推荐算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-11页 |
| 1.1.1 课题来源及意义 | 第9页 |
| 1.1.2 国内外研究现状 | 第9-11页 |
| 1.2 本文主要研究内容和创新点 | 第11-12页 |
| 1.2.1 引入兴趣稳定性的时间敏感混合推荐算法 | 第11页 |
| 1.2.2 加权高效用因子的两阶段混合推荐算法 | 第11-12页 |
| 1.3 论文组织结构 | 第12-13页 |
| 第二章 推荐算法相关问题 | 第13-17页 |
| 2.1 引言 | 第13-15页 |
| 2.2 数据稀疏性问题研究现状 | 第15页 |
| 2.3 冷启动问题研究现状 | 第15页 |
| 2.4 扩展性问题研究现状 | 第15页 |
| 2.5 长尾现象研究现状 | 第15-16页 |
| 2.6 流行偏置研究现状 | 第16页 |
| 2.7 动态性问题研究现状 | 第16页 |
| 2.8 本章小结 | 第16-17页 |
| 第三章 引入兴趣稳定性的时间敏感混合推荐算法 | 第17-30页 |
| 3.1 引言 | 第17页 |
| 3.2 基于物品流行度的用户兴趣特征相似度模型 | 第17-19页 |
| 3.3 引入兴趣稳定性的时间敏感相似度模型 | 第19-20页 |
| 3.4 两种相似度模型的融合 | 第20-21页 |
| 3.5 实验设计及分析 | 第21-28页 |
| 3.5.1 实验数据集 | 第21页 |
| 3.5.2 实验评价标准 | 第21页 |
| 3.5.3 实验结果 | 第21-23页 |
| 3.5.4 参数δ对IPSTS模型的影响 | 第23-24页 |
| 3.5.5 参数λ对IPSTS模型的影响 | 第24-25页 |
| 3.5.6 参数?对IPSTS模型的影响 | 第25-26页 |
| 3.5.7 IPSTS模型对长尾物品的影响 | 第26-28页 |
| 3.6 本章小结 | 第28-30页 |
| 第四章 加权高效用因子的两阶段混合推荐算法 | 第30-56页 |
| 4.1 引言 | 第30页 |
| 4.2 用户topic模型 | 第30-31页 |
| 4.3 用户潜在高效用因子模型 | 第31-33页 |
| 4.4 物品被靶向概率因子模型 | 第33-34页 |
| 4.5 两种因子的融合模型 | 第34-35页 |
| 4.6 两阶段融合推荐 | 第35页 |
| 4.7 实验设计及分析 | 第35-55页 |
| 4.7.1 实验数据集 | 第35页 |
| 4.7.2 实验评价标准 | 第35-36页 |
| 4.7.3 实验结果 | 第36-55页 |
| 4.8 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62-64页 |
| 图索引 | 第62-63页 |
| 表索引 | 第63-64页 |
| 在读期间公开发表的论文 | 第64-65页 |
| 致谢 | 第65-66页 |
