基于提升的信任融合矩阵分解推荐算法
| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 中文文摘 | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 发展趋势 | 第15页 |
| 1.4 本文主要工作 | 第15-16页 |
| 1.5 本文组织结构 | 第16-18页 |
| 第二章 相关理论基础 | 第18-30页 |
| 2.1 协同过滤推荐 | 第18-24页 |
| 2.1.1 基于用户的协同过滤 | 第19-20页 |
| 2.1.2 基于物品的协同过滤 | 第20页 |
| 2.1.3 基于矩阵分解的推荐 | 第20-24页 |
| 2.2 基于信任的推荐 | 第24-26页 |
| 2.2.1 显性信任推荐 | 第24-25页 |
| 2.2.2 隐性信任推荐 | 第25-26页 |
| 2.3 AdaBoost提升算法 | 第26-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 信任融合的矩阵分解推荐 | 第30-35页 |
| 3.1 问题定义 | 第30-31页 |
| 3.2 信任融合的矩阵分解推荐 | 第31-34页 |
| 3.2.1 TFMF模型 | 第31-33页 |
| 3.2.2 迭代学习 | 第33-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第四章 基于提升的信任融合矩阵分解推荐 | 第35-41页 |
| 4.1 问题定义 | 第35-36页 |
| 4.2 基于提升的信任融合矩阵分解推荐 | 第36-40页 |
| 4.2.1 MFBOB框架 | 第36-37页 |
| 4.2.2 TFMFBOB模型 | 第37-40页 |
| 4.3 本章小结 | 第40-41页 |
| 第五章 实验设计与结果分析 | 第41-51页 |
| 5.1 实验数据集 | 第41-42页 |
| 5.2 评测指标 | 第42-44页 |
| 5.2.1 评分预测 | 第42-43页 |
| 5.2.2 排序推荐 | 第43-44页 |
| 5.3 实验方案 | 第44-45页 |
| 5.4 实验结果与分析 | 第45-50页 |
| 5.4.1 TFMF评测 | 第45-46页 |
| 5.4.2 MFBOB评测 | 第46-48页 |
| 5.4.3 TFMFBOB评测 | 第48-50页 |
| 5.5 本章小结 | 第50-51页 |
| 第六章 总结展望 | 第51-53页 |
| 6.1 工作总结 | 第51-52页 |
| 6.2 未来工作展望 | 第52-53页 |
| 参考文献 | 第53-59页 |
| 攻读学位期间承担的科研任务与主要成果 | 第59-60页 |
| 致谢 | 第60-61页 |
| 个人简历 | 第61-62页 |
