| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景以及选题意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 国内外研究现状 | 第11-12页 |
| 1.1.3 课题来源 | 第12页 |
| 1.2 主要研究内容 | 第12-13页 |
| 1.3 论文的结构安排 | 第13-15页 |
| 第二章 打分预测任务的研究背景 | 第15-25页 |
| 2.1 打分预测任务研究进展简介 | 第15-20页 |
| 2.1.1 基于topic建模的打分预测 | 第15-18页 |
| 2.1.2 基于aspect建模的打分预测 | 第18-20页 |
| 2.2 打分预测任务关键技术简介 | 第20-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 基于词频信息的打分预测 | 第25-37页 |
| 3.1 CTR中的概率主题模型 | 第25-26页 |
| 3.2 CDL中的栈降噪自动编码器 | 第26-28页 |
| 3.3 深度隐狄利克雷模型 | 第28-31页 |
| 3.3.1 模型动机 | 第28-29页 |
| 3.3.2 模型总览 | 第29页 |
| 3.3.3 隐狄利克雷模块 | 第29页 |
| 3.3.4 深度神经网络模块 | 第29-30页 |
| 3.3.5 模型缺点 | 第30-31页 |
| 3.4 模型应用于打分预测 | 第31-32页 |
| 3.5 实验和结果分析 | 第32-36页 |
| 3.5.1 数据集以及预处理 | 第32-33页 |
| 3.5.2 评价方法 | 第33页 |
| 3.5.3 对比模型 | 第33-34页 |
| 3.5.4 模型参数设置 | 第34页 |
| 3.5.5 模型总体结果以及分析 | 第34-36页 |
| 3.6 本章总结 | 第36-37页 |
| 第四章 基于词频信息和上下文信息的打分预测 | 第37-58页 |
| 4.1 卷积神经网络模型 | 第37-40页 |
| 4.2 融合模型-基于控制LOSS函数的WCMF-CL模型 | 第40-42页 |
| 4.3 融合模型-基于神经网络的WCMF-NN模型 | 第42-43页 |
| 4.4 融合模型-基于部分共享连接的WCMF-PSC模型 | 第43-45页 |
| 4.5 将模型应用于打分预测 | 第45-47页 |
| 4.6 优化算法 | 第47页 |
| 4.7 实验结果和分析 | 第47-56页 |
| 4.7.1 实验数据集和对比模型 | 第47-49页 |
| 4.7.2 实验超参数设计 | 第49-50页 |
| 4.7.3 模型整体结果分析 | 第50-54页 |
| 4.7.4 模型超参数分析 | 第54-55页 |
| 4.7.5 隐狄利克雷模块的可视化分析 | 第55-56页 |
| 4.8 本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 论文总结 | 第58-59页 |
| 5.2 论文展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的学术论文目录 | 第65页 |
