电影评分数据分析及用户行为偏好建模
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 前言 | 第8-15页 |
| 1.1 研究意义 | 第8-9页 |
| 1.2 国内外研究现状分析 | 第9-13页 |
| 1.2.1 用户行为偏好建模 | 第9-12页 |
| 1.2.2 隐变量模型学习 | 第12-13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 第2章 背景知识 | 第15-26页 |
| 2.1 贝叶斯定理 | 第15页 |
| 2.2 贝叶斯网的基本概念及性质 | 第15-17页 |
| 2.3 贝叶斯网推理 | 第17-18页 |
| 2.4 贝叶斯网学习 | 第18-22页 |
| 2.4.1 贝叶斯网参数学习 | 第18-19页 |
| 2.4.2 贝叶斯网结构学习 | 第19-22页 |
| 2.5 隐变量模型简介 | 第22-24页 |
| 2.6 本章小结 | 第24-26页 |
| 第3章 基于隐变量模型的用户行为偏好建模 | 第26-39页 |
| 3.1 电影评分数据分析 | 第26-28页 |
| 3.2 用户行为偏好模型定义 | 第28-29页 |
| 3.3 用户行为偏好模型学习 | 第29-38页 |
| 3.3.1 确定隐变量的势 | 第31-33页 |
| 3.3.2 根据分组信息引入领域知识限制条件 | 第33-34页 |
| 3.3.3 用户行为偏好模型的启发式学习算法 | 第34-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于用户行为偏好模型的预测 | 第39-44页 |
| 4.1 基于团树传播的模型推理算法 | 第39-42页 |
| 4.2 用户行为偏好预测 | 第42-43页 |
| 4.3 本章小结 | 第43-44页 |
| 第5章 实验结果 | 第44-52页 |
| 5.1 数据预处理 | 第44-45页 |
| 5.2 用户行为偏好模型构建方法实验结果 | 第45-51页 |
| 5.2.1 构建方法效率测试 | 第45-48页 |
| 5.2.2 构建方法描述性和收敛性测试 | 第48-50页 |
| 5.2.3 模型预测准确性测试 | 第50-51页 |
| 5.3 本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-53页 |
| 附录 论文中主要算法的实现代码 | 第53-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间完成的科研成果 | 第66-68页 |
| 致谢 | 第68页 |
