首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于嵌入模型的深度推荐模型算法研究

摘要第3-4页
Abstract第4-5页
第一章 绪论第9-15页
    1.1 研究背景与意义第9-11页
    1.2 国内外研究现状第11-13页
        1.2.1 推荐系统研究现状第11-12页
        1.2.2 深度学习研究现状第12-13页
    1.3 本文主要工作第13-14页
    1.4 本文结构安排第14-15页
第二章 相关工作第15-33页
    2.1 深度学习模型第15-19页
        2.1.1 多层感知机第15-16页
        2.1.2 自动编码器第16-17页
        2.1.3 受限玻尔兹曼机第17-18页
        2.1.4 卷积神经网络第18-19页
        2.1.5 循环神经网络第19页
    2.2 词的分布表示相关技术第19-26页
        2.2.1 语言模型介绍第20页
        2.2.2 神经网络语言模型第20-22页
        2.2.3 循环神经网络语言模型第22-23页
        2.2.4 C&W模型第23-24页
        2.2.5 CBOW模型和Skip-gram模型第24-26页
    2.3 基于深度学习的推荐系统模型第26-33页
        2.3.1 基于多层感知机的推荐系统第26-28页
        2.3.2 基于自动编码器的推荐系统第28-29页
        2.3.3 基于受限玻尔兹曼机的推荐系统第29-30页
        2.3.4 基于卷积神经网络的推荐系统第30-31页
        2.3.5 基于循环神经网络的推荐系统第31-33页
第三章 协同学习单词和字符表示第33-49页
    3.1 引言第33-35页
    3.2 相关工作第35-37页
        3.2.1 符号定义第35页
        3.2.2 CWE模型第35-36页
        3.2.3 SCWE模型第36-37页
    3.3 BCW和SGC模型第37-39页
        3.3.1 BCW模型第38-39页
        3.3.2 SGC模型第39页
    3.4 多原型模型第39-42页
        3.4.1 基于位置的多原型模型第40页
        3.4.2 基于聚类的多原型模型第40-42页
    3.5 非组合语义词汇的选择第42页
    3.6 计算复杂度第42-43页
    3.7 实验和分析第43-48页
        3.7.1 数据集和实验设置第43页
        3.7.2 词相似任务第43-44页
        3.7.3 类比推理第44-45页
        3.7.4 语料领域的影响第45页
        3.7.5 分类任务第45-46页
        3.7.6 推荐任务第46-47页
        3.7.7 多原型字符评估第47-48页
    3.8 本章小结第48-49页
第四章 基于监督卷积矩阵分解的文档推荐第49-65页
    4.1 引言第49-50页
    4.2 相关工作第50-52页
        4.2.1 矩阵分解第50-51页
        4.2.2 卷积矩阵分解模型第51-52页
    4.3 监督卷积矩阵分解第52-58页
        4.3.1 Super-ConvMF中的监督卷积网络第52-54页
        4.3.2 Super-ConvMF的贝叶斯生成过程第54-56页
        4.3.3 优化策略第56-57页
        4.3.4 时间复杂度第57-58页
    4.4 实验结果第58-64页
        4.4.1 数据集第58页
        4.4.2 评估准则第58-59页
        4.4.3 对比算法和实验设置第59-60页
        4.4.4 三种监督卷积网络的多标签分类结果第60页
        4.4.5 三个数据集上的不同稀疏度下的推荐效果评估第60-62页
        4.4.6 预训练单词向量的影响第62-63页
        4.4.7 参数分析第63-64页
    4.5 本章小结第64-65页
第五章 总结和展望第65-67页
    5.1 总结第65-66页
    5.2 展望第66-67页
参考文献第67-74页
附录第74-76页
    附录A 图索引第74-75页
    附录B 表索引第75-76页
Appendix第76-78页
    Appendix A Figure Index第76-77页
    Appendix B Table Index第77-78页
致谢第78-79页
攻读硕士学位期间发表的论文第79页

论文共79页,点击 下载论文
上一篇:多源图像的融合方法研究
下一篇:基于聚类的智能推荐算法研究及应用