基于图的个性化推荐研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景 | 第14-16页 |
| 1.2 研究内容 | 第16页 |
| 1.3 本文结构 | 第16-17页 |
| 1.4 数据集介绍 | 第17-18页 |
| 第二章 推荐系统发展 | 第18-36页 |
| 2.1 推荐系统的商业应用 | 第18-24页 |
| 2.1.1 电子商务 | 第18页 |
| 2.1.2 电影推荐 | 第18-20页 |
| 2.1.3 音乐电台 | 第20-21页 |
| 2.1.4 社交推荐 | 第21-22页 |
| 2.1.5 个性化阅读 | 第22-23页 |
| 2.1.6 基于LBS商业推荐 | 第23-24页 |
| 2.1.7 个性化广告推广 | 第24页 |
| 2.2 个性化推荐的主要方法 | 第24-33页 |
| 2.2.1 基于关联规则算法 | 第26-28页 |
| 2.2.2 基于邻域算法 | 第28-31页 |
| 2.2.3 基于矩阵分解算法 | 第31-33页 |
| 2.2.4 基于图的算法 | 第33页 |
| 2.2.5 基于神经网络的算法 | 第33页 |
| 2.3 本章小结 | 第33-36页 |
| 第三章 基于网络的推荐系统 | 第36-44页 |
| 3.1 基于二分网络的推荐算法 | 第36页 |
| 3.2 热传导算法 | 第36-38页 |
| 3.3 物质扩散算法 | 第38-40页 |
| 3.4 混合算法 | 第40-41页 |
| 3.5 其它算法 | 第41-42页 |
| 3.6 本章小结 | 第42-44页 |
| 第四章 基于二分网络的双向扩散算法 | 第44-60页 |
| 4.1 双向扩散算法原理 | 第44-49页 |
| 4.2 算法实验仿真 | 第49-54页 |
| 4.2.1 产生数据集 | 第49页 |
| 4.2.2 评价指标 | 第49-51页 |
| 4.2.3 可调参数选择 | 第51-53页 |
| 4.2.4 对比算法 | 第53-54页 |
| 4.3 算法性能研究 | 第54-56页 |
| 4.3.1 长尾挖掘性能分析 | 第54-55页 |
| 4.3.2 数据稀疏性影响分析 | 第55-56页 |
| 4.3.3 算法特点归纳 | 第56页 |
| 4.4 基于多目标优化的双向扩散算法 | 第56-59页 |
| 4.4.1 带损耗的双向扩散网络 | 第56-57页 |
| 4.4.2 NSGA-II多目标进化算法 | 第57-58页 |
| 4.4.3 实验验证 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结和展望 | 第60-64页 |
| 5.1 推荐系统研究总结 | 第60-61页 |
| 5.2 下一步工作展望 | 第61页 |
| 5.3 推荐系统研究面临的挑战 | 第61-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-72页 |
| 作者简介 | 第72-73页 |
