首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于总剩余最大化和物品上下文约束的协同推荐算法研究

摘要第4-5页
Abstract第5页
第1章 绪论第11-22页
    1.1 课题背景第11-12页
    1.2 国内外研究现状第12-20页
        1.2.1 基于关联规则的推荐第13页
        1.2.2 基于内容的推荐第13-15页
        1.2.3 基于协同过滤的推荐第15-20页
        1.2.4 基于效用的推荐第20页
    1.3 本文的主要工作第20-21页
    1.4 本文组织结构第21-22页
第2章 相关技术综述第22-33页
    2.1 协同过滤算法第22-28页
        2.1.1 基于近邻的协同过滤算法第22-25页
        2.1.2 矩阵分解模型第25-28页
    2.2 基于上下文信息的推荐模型第28-30页
        2.2.1 基于社会上下文约束的协同推荐第28-29页
        2.2.2 基于物品上下文约束的协同推荐第29-30页
    2.3 经济学中的总剩余第30-32页
        2.3.1 效用第30-31页
        2.3.2 剩余第31-32页
    2.4 本章小结第32-33页
第3章 总剩余最大化模型第33-38页
    3.1 问题定义第33-35页
    3.2 总剩余最大化建模第35-37页
        3.2.1 个性化效用第35-36页
        3.2.2 总剩余最大化模型第36-37页
    3.3 本章小结第37-38页
第4章 基于总剩余最大化和物品上下文约束模型第38-48页
    4.1 基于总剩余最大化和物品上下文约束的协同过滤模型第38-43页
        4.1.1 风险厌恶模型第38-39页
        4.1.2 基于物品上下文约束的建模第39-42页
        4.1.3 本文预测模型第42-43页
    4.2 模型训练第43-47页
        4.2.1 风险厌恶系数训练第43-46页
        4.2.2 预测模型训练第46页
        4.2.3 本文算法步骤第46-47页
    4.3 本章小结第47-48页
第5章 实验与分析第48-67页
    5.1 数据集介绍及预处理第48-51页
    5.2 实验设计第51-54页
        5.2.1 数据集划分第51页
        5.2.2 评价标准第51-53页
        5.2.3 参数训练第53-54页
    5.3 实验结果与分析第54-62页
        5.3.1 向量维度K对模型的影响分析第54-57页
        5.3.2 参数λ和φ对模型的影响分析第57-60页
        5.3.3 参数η对模型预测结果的影响分析第60-62页
    5.4 对比实验第62-66页
    5.5 本章小结第66-67页
第6章 总结与展望第67-69页
    6.1 本文工作第67-68页
    6.2 未来工作展望第68-69页
参考文献第69-75页
攻读硕士学位期间主要研究成果第75-76页
致谢第76页

论文共76页,点击 下载论文
上一篇:基于创新活力监测的创意众包方法及关键技术研究
下一篇:植物图像识别方法研究及实现