基于神经网络内容提取和协同过滤的推荐系统研究
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-15页 |
| 1.1.1 个性化推荐系统的研究背景 | 第11-12页 |
| 1.1.2 推荐系统的发展和研究现状 | 第12-13页 |
| 1.1.3 推荐系统分类简介 | 第13-15页 |
| 1.2 推荐系统面临的主要挑战 | 第15-16页 |
| 1.3 本文的主要工作内容 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第2章 推荐系统 | 第19-27页 |
| 2.1 推荐系统的研究内容 | 第19-20页 |
| 2.2 基于规则的推荐系统 | 第20-21页 |
| 2.2.1 基于规则的推荐算法 | 第20-21页 |
| 2.2.2 基于规则的推荐优缺点分析 | 第21页 |
| 2.3 协同过滤推荐系统 | 第21-24页 |
| 2.3.1 协同过滤算法 | 第21-23页 |
| 2.3.2 协同过滤优缺点分析 | 第23-24页 |
| 2.4 基于内容推荐的系统 | 第24-27页 |
| 2.4.1 基于内容的推荐算法 | 第24-25页 |
| 2.4.2 基于内容的推荐优缺点分析 | 第25-27页 |
| 第3章 Word2Vec | 第27-33页 |
| 3.1 词向量 | 第27-29页 |
| 3.1.1 One-Hot表示方式 | 第27-28页 |
| 3.1.2 分布式表示方式 | 第28-29页 |
| 3.2 统计语言模型 | 第29-30页 |
| 3.3 神经网络语言模型 | 第30-31页 |
| 3.4 Word2Vec模型 | 第31-33页 |
| 3.4.1 CBOW模型 | 第31-32页 |
| 3.4.2 Skip-gram模型 | 第32-33页 |
| 第4章 混合推荐系统设计 | 第33-39页 |
| 4.1 Word2Vec特征提取 | 第33-34页 |
| 4.2 基于内容相似度 | 第34-36页 |
| 4.3 基于物品的协同过滤的相似度 | 第36-37页 |
| 4.3.1 建立用户物品倒排表 | 第36-37页 |
| 4.3.2 计算共现矩阵 | 第37页 |
| 4.3.3 计算余弦相似度矩阵 | 第37页 |
| 4.4 混合相似度 | 第37-38页 |
| 4.5 推荐列表生成 | 第38-39页 |
| 第5章 实验结果 | 第39-43页 |
| 5.1 数据预处理 | 第39页 |
| 5.2 评测指标 | 第39页 |
| 5.3 基准和对比 | 第39-40页 |
| 5.4 结果与分析 | 第40-43页 |
| 第6章 结论与展望 | 第43-45页 |
| 6.1 结论 | 第43页 |
| 6.2 展望 | 第43-45页 |
| 参考文献 | 第45-51页 |
| 致谢 | 第51-52页 |
| 学位论文评阅及答辩情况表 | 第52页 |
