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

基于深度学习和海云协同的推荐方法研究

摘要第5-7页
ABSTRACT第7-9页
第1章 绪论第18-30页
    1.1 研究背景及意义第18-23页
    1.2 关键问题第23-24页
    1.3 本文主要研究内容与创新点第24-26页
    1.4 本文组织与结构第26-30页
第2章 相关技术与研究背景第30-54页
    2.1 推荐系统及其常用算法第30-47页
        2.1.1 推荐系统基本架构第30页
        2.1.2 常用推荐算法第30-37页
        2.1.3 不同场景下的推荐系统及其问题第37-45页
        2.1.4 性能指标第45-47页
    2.2 分布式深度学习第47-50页
        2.2.1 分布式平台第47-48页
        2.2.2 大规模深度学习网络构建第48-50页
    2.3 多媒体服务网络架构第50-54页
        2.3.1 集中式网络架构第50-52页
        2.3.2 分布式网络架构第52-53页
        2.3.3 海云协同网络架构第53页
        2.3.4 不同网络架构对比第53-54页
第3章 基于用户偏好时序特征的推荐算法第54-70页
    3.1 问题描述第54-57页
    3.2 基于用户偏好时序特征的推荐算法第57-60页
        3.2.1 推荐算法基本架构第57-58页
        3.2.2 损失函数第58-59页
        3.2.3 训练流程第59页
        3.2.4 推荐列表生成第59-60页
    3.3 实验与分析第60-67页
        3.3.1 实验设置第60-62页
        3.3.2 方法对比与分析第62-67页
    3.4 本章小结第67-70页
第4章 基于共享嵌入向量的推荐算法第70-90页
    4.1 问题描述第70-73页
    4.2 基于共享嵌入向量的推荐算法第73-82页
        4.2.1 推荐算法基本架构第73-75页
        4.2.2 物品表的初始化算法第75-80页
        4.2.3 损失函数第80-81页
        4.2.4 训练及测试流程第81-82页
    4.3 实验与分析第82-88页
        4.3.1 实验设置第82-83页
        4.3.2 对比方法第83页
        4.3.3 方法对比与分析第83-88页
    4.4 本章小结第88-90页
第5章 基于双神经网络的分布式个性化推荐算法第90-100页
    5.1 问题描述第90-92页
    5.2 基于双神经网络的分布式个性化推荐算法第92-96页
        5.2.1 分布式个性化推荐算法框架第93-94页
        5.2.2 基于双神经网络的推荐算法基本架构第94-95页
        5.2.3 训练流程第95-96页
    5.3 实验与分析第96-98页
        5.3.1 实验设置第96页
        5.3.2 方法对比与分析第96-98页
    5.4 本章小结第98-100页
第6章 基于海云协同的个性化媒体服务系统第100-116页
    6.1 问题描述第100-103页
    6.2 基于海云协同的个性化媒体服务系统架构第103-105页
        6.2.1 中央管理子系统第103页
        6.2.2 边缘服务器管理子系统第103-104页
        6.2.3 智能路由器集群及边缘设备第104-105页
    6.3 个性化媒体服务系统中的算法实现第105-109页
        6.3.1 节点管理算法第105-106页
        6.3.2 内容预部署算法第106-108页
        6.3.3 内容分发算法第108-109页
        6.3.4 视频服务第109页
    6.4 实验与分析第109-113页
        6.4.1 实验设置第109-110页
        6.4.2 实验性能评估第110-113页
    6.5 本章小结第113-116页
第7章 总结与展望第116-120页
    7.1 本文主要研究工作及总结第116-118页
    7.2 研究工作展望第118-120页
参考文献第120-132页
致谢第132-134页
在读期间发表的学术论文与取得的研究成果第134-135页

论文共135页,点击 下载论文
上一篇:网络化系统的状态估计与同步控制研究
下一篇:基于深度学习的监控视频中的异常事件检测和对象识别