| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-15页 |
| 第一节 研究背景 | 第11-12页 |
| 第二节 研究意义 | 第12-13页 |
| 第三节 研究内容 | 第13页 |
| 第四节 研究创新 | 第13-14页 |
| 第五节 文章结构 | 第14-15页 |
| 第二章 基于隐式反馈的推荐系统研究综述 | 第15-28页 |
| 第一节 隐式反馈的特征和优缺点 | 第15-18页 |
| 一、隐式反馈的信息的特征 | 第15-17页 |
| 二、隐式反馈数据的获取 | 第17-18页 |
| 第二节 基于隐式反馈的推荐技术 | 第18-28页 |
| 一、基于单类协同过滤的推荐 | 第18-21页 |
| 二、引入辅助信息的推荐方法 | 第21-24页 |
| 三、基于排序的推荐 | 第24-28页 |
| 第三章 基础知识以及相关理论 | 第28-33页 |
| 第一节 推荐系统的主要方法 | 第28-31页 |
| 一、基于内容的推荐算法 | 第28-29页 |
| 二、基于协同过滤的推荐算法 | 第29-31页 |
| 第二节 矩阵分解的并行优化算法 | 第31-33页 |
| 一、交替最小二乘法(alternative least sqares,简称ALS) | 第31-32页 |
| 二、随机梯度下降法(stochastic gradient descent,简称SGD) | 第32-33页 |
| 第四章 基于矩阵分解的不明确性挖掘 | 第33-45页 |
| 第一节 数据相关定义以及不明确性的量化 | 第33-38页 |
| 一、数据格式以及相关的定义 | 第33-36页 |
| 二、不明确性的量化 | 第36-37页 |
| 三、用户特征向量和商品束向量 | 第37-38页 |
| 第二节 基于矩阵分解的IMF模型 | 第38-40页 |
| 第三节 受约束的不明确性挖掘模型—CIMF | 第40-42页 |
| 第四节 不明确性挖掘的潜在应用 | 第42-44页 |
| 一、竞争性商品的检测 | 第42-43页 |
| 二、商品束推荐 | 第43-44页 |
| 第五节 本章小结 | 第44-45页 |
| 第五章 实验结果与分析 | 第45-57页 |
| 第一节 数据集描述 | 第45页 |
| 第二节 模型评价指标 | 第45-47页 |
| 一、评分预测 | 第46页 |
| 二、TopN推荐 | 第46页 |
| 三、F-measure | 第46-47页 |
| 第三节 数据预处理 | 第47-48页 |
| 第四节 数据分析 | 第48-53页 |
| 第五节 模型验证 | 第53-57页 |
| 第六章 结论 | 第57-59页 |
| 第一节 本文总结 | 第57页 |
| 第二节 未来工作展望 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61-63页 |
| 在读期间科研成果 | 第63页 |