基于跨域信息推荐的算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 本章介绍 | 第8页 |
| 1.2 研究背景 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-10页 |
| 1.4 课题的难点与贡献 | 第10-13页 |
| 1.5 论文组成 | 第13-15页 |
| 第二章 推荐系统的相关介绍 | 第15-20页 |
| 2.1 本章介绍 | 第15页 |
| 2.2 单域推荐系统的基本概念 | 第15-17页 |
| 2.2.1 基于文本内容的单域推荐系统 | 第15-16页 |
| 2.2.2 基于协同过滤的单域推荐系统 | 第16-17页 |
| 2.3 跨域推荐系统的基本概念 | 第17-19页 |
| 2.3.1 基于文本内容的跨越推荐 | 第18页 |
| 2.3.2 基于协同过滤关系的跨域推荐 | 第18-19页 |
| 2.4 章节总结 | 第19-20页 |
| 第三章 潜在因式的相关算法模型 | 第20-29页 |
| 3.1 本章介绍 | 第20页 |
| 3.2 潜在因式模型 | 第20-22页 |
| 3.3 基于潜在因式的单域模型 | 第22-25页 |
| 3.3.1 非负矩阵分解模型 | 第22-23页 |
| 3.3.2 群矩阵因式 | 第23-24页 |
| 3.3.3 正交非负矩阵三因式分解模型 | 第24-25页 |
| 3.4 基于潜在因式的跨域模型 | 第25-28页 |
| 3.4.1 评分矩阵模型 | 第25-27页 |
| 3.4.2 密码信息迁移模型 | 第27-28页 |
| 3.5 章节总结 | 第28-29页 |
| 第四章 基于潜在因式的新型跨域推荐算法 | 第29-38页 |
| 4.1 本章介绍 | 第29页 |
| 4.2 潜因式聚类跨域推荐模型 | 第29-33页 |
| 4.2.1 定义问题 | 第29-30页 |
| 4.2.2 模型建立 | 第30-31页 |
| 4.2.3 算法优化 | 第31-33页 |
| 4.3 实验 | 第33-37页 |
| 4.3.1 实验数据集 | 第33-34页 |
| 4.3.2 实验设定 | 第34-35页 |
| 4.3.3 实验结果 | 第35-37页 |
| 4.4 章节总结 | 第37-38页 |
| 第五章 基于系数的新型推荐算法 | 第38-47页 |
| 5.1 本章介绍 | 第38页 |
| 5.2 评分矩阵模型在单域数据的应用 | 第38页 |
| 5.3 对于联合预测结果的权重确定 | 第38-40页 |
| 5.3.1 定义问题 | 第38-39页 |
| 5.3.2 模型建立 | 第39页 |
| 5.3.3 算法优化 | 第39-40页 |
| 5.4 实验 | 第40-45页 |
| 5.4.1 实验数据集 | 第40-41页 |
| 5.4.2 实验设置 | 第41页 |
| 5.4.3 实验结果 | 第41-45页 |
| 5.5 章节总结 | 第45-47页 |
| 第六章 总结与展望 | 第47-50页 |
| 6.1 论文总结 | 第47页 |
| 6.2 跨域推荐领域的相关方面的研究 | 第47-48页 |
| 6.3 未来方向的展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 攻读学位期间发表的学术论文目录 | 第54页 |
