| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文的主要研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第2章 基础理论与相关知识 | 第16-25页 |
| 2.1 推荐算法的分类 | 第16-17页 |
| 2.2 协同过滤推荐算法 | 第17-19页 |
| 2.2.1 基于邻域的协同过滤推荐算法 | 第17-18页 |
| 2.2.2 基于模型的协同过滤推荐算法 | 第18-19页 |
| 2.3 矩阵分解协同过滤推荐算法 | 第19-21页 |
| 2.3.1 随机梯度下降法 | 第19页 |
| 2.3.2 矩阵分解 | 第19-21页 |
| 2.4 显式反馈与隐式反馈 | 第21-22页 |
| 2.5 自然语言处理技术 | 第22-24页 |
| 2.5.1 自然语言模型 | 第22-23页 |
| 2.5.2 word2vec技术 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 基于均值分割的隐式反馈推荐算法 | 第25-34页 |
| 3.1 均值分割方法 | 第25-27页 |
| 3.2 基于均值分割的矩阵分解协同过滤推荐算法 | 第27-30页 |
| 3.3 隐式反馈推荐中隐式评分的计算 | 第30-32页 |
| 3.4 算法步骤 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于word2vec的隐式反馈推荐算法 | 第34-46页 |
| 4.1 歌曲向量模型 | 第34-37页 |
| 4.2 歌曲向量的训练方法 | 第37-40页 |
| 4.3 基于word2vec的矩阵填充方法 | 第40-44页 |
| 4.4 算法步骤 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 实验结果与分析 | 第46-56页 |
| 5.1 实验环境配置 | 第46页 |
| 5.2 实验方法与评价标准 | 第46-47页 |
| 5.3 实验数据集 | 第47-48页 |
| 5.4 基于均值分割的隐式反馈推荐算法的实验 | 第48-52页 |
| 5.4.1 last.fm数据集上的实验结果与分析 | 第48-50页 |
| 5.4.2 movielens数据集上的实验结果与分析 | 第50-52页 |
| 5.5 基于word2vec的隐式反馈推荐算法的实验 | 第52-55页 |
| 5.5.1 last.fm数据集上的实验结果与分析 | 第52-53页 |
| 5.5.2 movielens数据集上的实验结果与分析 | 第53-55页 |
| 5.6 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |
