EBSN中基于上下文感知的事件推荐算法的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 本文组织结构 | 第13-16页 |
| 第2章 关键技术 | 第16-26页 |
| 2.1 MR-BPR算法 | 第16-23页 |
| 2.1.1 BPR算法 | 第16-19页 |
| 2.1.2 MR_BPR | 第19-23页 |
| 2.2 TF IDF文本分析技术 | 第23-24页 |
| 2.3 梯度下降 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 上下文感知事件推荐算法建模 | 第26-38页 |
| 3.1 问题提出 | 第26-27页 |
| 3.2 社交数据建模 | 第27-30页 |
| 3.2.1 频率模型 | 第28页 |
| 3.2.2 多关系模型 | 第28-30页 |
| 3.3 文本数据建模 | 第30页 |
| 3.4 位置数据建模 | 第30-32页 |
| 3.5 时间数据建模 | 第32-34页 |
| 3.6 标签数据建模 | 第34页 |
| 3.7 推荐列表生成算法设计 | 第34-35页 |
| 3.8 NDCG评估方法 | 第35-36页 |
| 3.9 本章小结 | 第36-38页 |
| 第4章 上下文感知事件推荐算法实现 | 第38-58页 |
| 4.1 社交数据建模实现 | 第38-42页 |
| 4.2 文本数据建模实现 | 第42-46页 |
| 4.3 位置数据建模实现 | 第46-48页 |
| 4.4 时间数据建模实现 | 第48-50页 |
| 4.5 标签数据建模实现 | 第50-52页 |
| 4.6 推荐列表生成算法 | 第52-55页 |
| 4.7 NDCG推荐质量评估 | 第55-56页 |
| 4.8 本章小结 | 第56-58页 |
| 第5章 实验结果分析 | 第58-66页 |
| 5.1 活动事件数据集 | 第58-59页 |
| 5.2 对比算法 | 第59-61页 |
| 5.3 实验设置 | 第61-62页 |
| 5.4 实验结果 | 第62-64页 |
| 5.4.1 推荐结果质量分析 | 第62页 |
| 5.4.2 算法的健壮性分析 | 第62-64页 |
| 5.4.3 不同数据对算法推荐质量的影响 | 第64页 |
| 5.5 本章小结 | 第64-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 攻读硕士学位期间的论文项目情况 | 第74页 |
