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 |