| 致谢 | 第5-7页 |
| 摘要 | 第7-10页 |
| ABSTRACT | 第10-13页 |
| 1 绪论 | 第17-39页 |
| 1.1 研究背景与选题意义 | 第17-20页 |
| 1.1.1 研究背景 | 第17-18页 |
| 1.1.2 选题意义 | 第18-20页 |
| 1.2 用户偏好的主要研究方法和现状分析 | 第20-34页 |
| 1.2.1 用户偏好表示 | 第20-22页 |
| 1.2.2 个性化推荐 | 第22-28页 |
| 1.2.3 偏好预测 | 第28-34页 |
| 1.3 现有方法面临的困难与不足 | 第34-35页 |
| 1.4 论文的主要研究内容 | 第35-38页 |
| 1.5 论文的结构 | 第38-39页 |
| 2 评分预测问题中的参数动态化偏好预测模型 | 第39-59页 |
| 2.1 引言 | 第39-40页 |
| 2.2 相关技术 | 第40-45页 |
| 2.2.1 基本矩阵分解模型 | 第40-41页 |
| 2.2.2 正则矩阵分解模型 | 第41-42页 |
| 2.2.3 非负矩阵分解模型 | 第42-43页 |
| 2.2.4 概率矩阵分解模型 | 第43-45页 |
| 2.3 模型 | 第45-50页 |
| 2.3.1 静态正则化参数分析 | 第45-46页 |
| 2.3.2 动态正则化参数 | 第46-47页 |
| 2.3.3 评分分布规律分析 | 第47-48页 |
| 2.3.4 评分微调算法 | 第48-50页 |
| 2.4 仿真结果与评估 | 第50-57页 |
| 2.4.1 数据集 | 第50页 |
| 2.4.2 评估方法 | 第50-51页 |
| 2.4.3 对比模型 | 第51-52页 |
| 2.4.4 实验设计 | 第52页 |
| 2.4.5 因子α评估 | 第52-54页 |
| 2.4.6 预测准确性评估 | 第54-56页 |
| 2.4.7 排序准确性评估 | 第56-57页 |
| 2.5 本章小结 | 第57-59页 |
| 3 学习排序问题中用户偏好的自适应更新模型 | 第59-79页 |
| 3.1 引言 | 第59-60页 |
| 3.2 相关技术及分析 | 第60-63页 |
| 3.2.1 用户偏好向量及推荐候选项的表示 | 第60页 |
| 3.2.2 生成推荐候选项列表 | 第60-61页 |
| 3.2.3 用户隐式反馈 | 第61页 |
| 3.2.4 传统自适应更新模型 | 第61-62页 |
| 3.2.5 传统模型的缺陷 | 第62-63页 |
| 3.3 模型 | 第63-67页 |
| 3.3.1 排名溢出区影响力量化算法 | 第63-65页 |
| 3.3.2 基于滑动窗口的多属性权重量化算法 | 第65-66页 |
| 3.3.3 基于偏好学习的自适应更新模型 | 第66-67页 |
| 3.4 仿真结果与分析 | 第67-78页 |
| 3.4.1 实验设计 | 第67-68页 |
| 3.4.2 数据集 | 第68-69页 |
| 3.4.3 对比模型 | 第69页 |
| 3.4.4 滑动窗口分析 | 第69-71页 |
| 3.4.5 偏好向量更新准确性分析 | 第71-73页 |
| 3.4.6 排序准确性分析 | 第73-77页 |
| 3.4.7 冷启动问题分析 | 第77-78页 |
| 3.5 本章小结 | 第78-79页 |
| 4 利用辅助信息(side information)的域感知偏好预测模型 | 第79-99页 |
| 4.1 引言 | 第79-80页 |
| 4.2 相关技术及分析 | 第80-84页 |
| 4.2.1 矩阵分解模型的可扩展性 | 第80-81页 |
| 4.2.2 张量分解模型 | 第81-83页 |
| 4.2.3 分解机模型 | 第83-84页 |
| 4.2.4 主要缺陷 | 第84页 |
| 4.3 模型 | 第84-90页 |
| 4.3.1 引入域因素的原因 | 第84-86页 |
| 4.3.2 域感知模型 | 第86-88页 |
| 4.3.3 模型优化 | 第88-90页 |
| 4.4 实验结果与分析 | 第90-97页 |
| 4.4.1 数据集 | 第90-91页 |
| 4.4.2 模型对比 | 第91-92页 |
| 4.4.3 评估公式及实验设计 | 第92-93页 |
| 4.4.4 HitRatio性能评估 | 第93-95页 |
| 4.4.5 MRR性能评估 | 第95-96页 |
| 4.4.6 模型学习稳定性评估 | 第96-97页 |
| 4.5 本章小结 | 第97-99页 |
| 5 利用地理社交信息的位置偏好预测模型 | 第99-115页 |
| 5.1 引言 | 第99-100页 |
| 5.2 相关分析及任务定义 | 第100-101页 |
| 5.3 模型 | 第101-107页 |
| 5.3.1 相关定义 | 第101-102页 |
| 5.3.2 地理位置多标签提取 | 第102-104页 |
| 5.3.3 地理位置影响力度量 | 第104页 |
| 5.3.4 地理位置兴趣相似性度量 | 第104-105页 |
| 5.3.5 融合多因素的地理偏好预测模型 | 第105-107页 |
| 5.4 实验结果与评估 | 第107-114页 |
| 5.4.1 数据集 | 第107页 |
| 5.4.2 实验设计与评估方法 | 第107-108页 |
| 5.4.3 模型对比 | 第108-110页 |
| 5.4.4 评分预测准确性评估 | 第110-111页 |
| 5.4.5 推荐列表大小评估 | 第111-112页 |
| 5.4.6 潜在特征矩阵维度评估 | 第112-114页 |
| 5.5 本章小结 | 第114-115页 |
| 6 总结与展望 | 第115-117页 |
| 6.1 论文的工作总结 | 第115页 |
| 6.2 研究展望 | 第115-117页 |
| 参考文献 | 第117-127页 |
| 作者简历 | 第127-131页 |
| 学位论文数据集 | 第131页 |