| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第8-15页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究意义 | 第8-9页 |
| 1.3 研究现状 | 第9-13页 |
| 1.4 研究内容及组织结构 | 第13-15页 |
| 1.4.1 研究内容 | 第13页 |
| 1.4.2 本文组织结构 | 第13-15页 |
| 第二章 推荐系统相关知识概述 | 第15-23页 |
| 2.1 推荐系统 | 第15-18页 |
| 2.1.1 推荐系统的概念 | 第15页 |
| 2.1.2 推荐系统的主要方法 | 第15-16页 |
| 2.1.3 推荐系统的评价指标 | 第16-18页 |
| 2.2 协同过滤算法 | 第18-23页 |
| 2.2.1 基于近邻的推荐 | 第18-20页 |
| 2.2.2 基于矩阵分解的推荐 | 第20-23页 |
| 2.3 本章小结 | 第23页 |
| 第三章 自编码器相关知识概述 | 第23-28页 |
| 3.1 自编码器 | 第24-25页 |
| 3.2 降噪自编码器 | 第25-26页 |
| 3.3 自编码器用于推荐的相关方法 | 第26-28页 |
| 3.3.1 AutoRec | 第26-27页 |
| 3.3.2 CDAE | 第27-28页 |
| 3.4 本章小结 | 第28页 |
| 第四章 融入特征信息的降噪自编码器混合推荐算法研究 | 第28-38页 |
| 4.1 融入特征信息的降噪自编码器 | 第29-33页 |
| 4.1.1 评分数据的处理 | 第29-31页 |
| 4.1.2 特征信息 | 第31-32页 |
| 4.1.3 融合特征信息与评分数据的降噪自编码器模型 | 第32-33页 |
| 4.2 实验与结果分析 | 第33-37页 |
| 4.2.1 实验数据集及环境介绍 | 第33页 |
| 4.2.2 评测指标 | 第33页 |
| 4.2.3 实验设计 | 第33-34页 |
| 4.2.4 实验结果分析 | 第34-37页 |
| 4.3 本章小结 | 第37-38页 |
| 第五章 融入剧情信息的降噪自编码器混合推荐算法研究 | 第38-46页 |
| 5.1 GloVe | 第38页 |
| 5.2 融入剧情信息的降噪自编码器 | 第38-42页 |
| 5.2.1 输入评分的处理 | 第38-39页 |
| 5.2.2 剧情文本的处理 | 第39-41页 |
| 5.2.3 融合剧情信息和评分数据的降噪自编码器模型 | 第41-42页 |
| 5.3 实验与结果分析 | 第42-45页 |
| 5.3.1 实验数据集及环境介绍 | 第42页 |
| 5.3.2 评测指标 | 第42页 |
| 5.3.3 实验设计 | 第42-43页 |
| 5.3.4 实验结果与分析 | 第43-45页 |
| 5.4 本章小结 | 第45-46页 |
| 第六章 总结与展望 | 第46-47页 |
| 6.1 总结 | 第46页 |
| 6.2 展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50-51页 |
| 在学期间公开发表论文及著作情况 | 第51-52页 |
