基于上下文感知的推荐算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究的背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文主要研究内容及其创新点 | 第14-15页 |
| 1.4 上下文感知推荐的评价指标 | 第15-16页 |
| 1.5 本文主要结构安排 | 第16-18页 |
| 第二章 上下文感知推荐算法的相关技术 | 第18-32页 |
| 2.1 推荐算法概述 | 第18-21页 |
| 2.1.1 信息维度 | 第18-19页 |
| 2.1.2 推荐算法类别 | 第19-20页 |
| 2.1.3 评估方式 | 第20-21页 |
| 2.2 上下文推荐系统的一般框架 | 第21-25页 |
| 2.2.1 上下文基本概念 | 第21页 |
| 2.2.2 上下文感知的形式化定义 | 第21-22页 |
| 2.2.3 上下文推荐系统的应用 | 第22-24页 |
| 2.2.4 上下文的获取方式 | 第24-25页 |
| 2.3 上下文感知推荐算法分类 | 第25-31页 |
| 2.3.1 上下文预过滤推荐算法 | 第25-27页 |
| 2.3.2 上下文后过滤推荐算法 | 第27-29页 |
| 2.3.3 基于模型的上下文过滤推荐算法 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 混合上下文感知推荐算法 | 第32-43页 |
| 3.1 问题分析 | 第32-33页 |
| 3.2 混合上下文感知推荐 | 第33-38页 |
| 3.2.1 传统的上下文感知推荐算法 | 第33-34页 |
| 3.2.2 混合上下文感知推荐算法 | 第34-38页 |
| 3.3 实验结果及分析 | 第38-41页 |
| 3.3.1 数据集及实验环境 | 第38-39页 |
| 3.3.2 对比算法实验算法与评价指标 | 第39-40页 |
| 3.3.3 实验设计 | 第40页 |
| 3.3.4 实验结果及分析 | 第40-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第四章 基于主题模型的混合上下文推荐算法 | 第43-53页 |
| 4.1 问题分析 | 第43-44页 |
| 4.2 基于主题模型的上下文感知推荐算法 | 第44-48页 |
| 4.2.1 主题挖掘模型LDA | 第44-45页 |
| 4.2.2 上下文关联性推荐CTRR算法 | 第45-46页 |
| 4.2.3 关联概率模型CTRR_LDA模型 | 第46-47页 |
| 4.2.4 CTRR_LDA模型推导 | 第47-48页 |
| 4.3 上下文后过滤推荐 | 第48-49页 |
| 4.4 CTRR算法设计 | 第49-50页 |
| 4.5 实验结果及分析 | 第50-52页 |
| 4.5.1 实验结果及分析 | 第50-52页 |
| 4.5.2 主题个数的选择 | 第52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 工作总结 | 第53-54页 |
| 5.2 未来展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-62页 |
| 附录A 攻读硕士学位期间发表的学术论文 | 第62-63页 |
| 附录B 攻读硕士学位期间获得的软件著作权 | 第63页 |
