基于图模型引入辅助信息的推荐算法研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景和意义 | 第12页 |
| 1.2 推荐系统研究概述 | 第12-17页 |
| 1.3 本文的主要工作 | 第17-18页 |
| 1.4 本文的结构安排 | 第18-20页 |
| 第二章 推荐系统及主题模型相关算法 | 第20-34页 |
| 2.1 推荐系统相关算法 | 第20-28页 |
| 2.1.1 基于内容的推荐算法 | 第20-22页 |
| 2.1.2 基于协同过滤的推荐算法 | 第22-28页 |
| 2.2 主题模型 | 第28-33页 |
| 2.2.1 LDA模型 | 第29-31页 |
| 2.2.2 LDA模型的变种 | 第31-33页 |
| 2.3 本章小结 | 第33-34页 |
| 第三章 引入种类信息的偏好感知推荐算法 | 第34-62页 |
| 3.1 问题概述 | 第34-35页 |
| 3.2 偏好感知模型 | 第35-42页 |
| 3.2.1 模型描述 | 第35-39页 |
| 3.2.2 公式推导 | 第39-42页 |
| 3.3 实验结果和分析 | 第42-60页 |
| 3.3.1 实验数据集 | 第42页 |
| 3.3.2 模型参数和变量分析 | 第42-52页 |
| 3.3.3 实验结果 | 第52-54页 |
| 3.3.4 top-N推荐 | 第54-60页 |
| 3.4 本章小结 | 第60-62页 |
| 第四章 引入文本信息基于主题模型的推荐 | 第62-78页 |
| 4.1 对LDA模型的改进 | 第62-67页 |
| 4.1.1 模型描述 | 第62-65页 |
| 4.1.2 参数估计 | 第65-67页 |
| 4.1.3 推荐方法 | 第67页 |
| 4.2 主题模型推荐相关实验 | 第67-75页 |
| 4.2.1 实验数据集 | 第67-68页 |
| 4.2.2 对比算法 | 第68-69页 |
| 4.2.3 实验结果与分析 | 第69-75页 |
| 4.3 本章小结 | 第75-78页 |
| 第五章 总结与展望 | 第78-80页 |
| 5.1 全文总结 | 第78-79页 |
| 5.2 研究展望 | 第79-80页 |
| 参考文献 | 第80-88页 |
| 致谢 | 第88-90页 |
| 攻读学位期间发表的学术论文 | 第90-92页 |
