| 摘要 | 第11-13页 |
| ABSTRACT | 第13-15页 |
| 第一章 绪论 | 第16-32页 |
| 1.1 研究背景 | 第16-19页 |
| 1.2 研究现状及相关工作 | 第19-29页 |
| 1.3 研究方法及内容 | 第29-30页 |
| 1.4 论文结构 | 第30-32页 |
| 第二章 基于动态兴趣模型的推荐方法 | 第32-50页 |
| 2.1 引言 | 第32-34页 |
| 2.2 框架描述 | 第34-35页 |
| 2.2.1 符号定义 | 第34页 |
| 2.2.2 框架概述 | 第34-35页 |
| 2.3 兴趣识别 | 第35-39页 |
| 2.3.1 特征相似性计算 | 第35-38页 |
| 2.3.2 交互相似性计算 | 第38页 |
| 2.3.3 兴趣识别 | 第38-39页 |
| 2.4 倒U兴趣模型学习与推荐 | 第39-43页 |
| 2.4.1 倒U兴趣模型 | 第39-42页 |
| 2.4.2 基于倒U兴趣模型的协同过滤 | 第42-43页 |
| 2.5 实验与分析 | 第43-47页 |
| 2.5.1 实验配置 | 第43-45页 |
| 2.5.2 性能分析 | 第45-47页 |
| 2.6 本章小结 | 第47-50页 |
| 第三章 基于兴趣转移模型的序列推荐方法 | 第50-68页 |
| 3.1 引言 | 第50-52页 |
| 3.2 框架描述 | 第52-54页 |
| 3.2.1 符号定义 | 第52-54页 |
| 3.2.2 问题定义 | 第54页 |
| 3.3 兴趣识别 | 第54-57页 |
| 3.3.1 主成分分析 | 第54-55页 |
| 3.3.2 平滑聚类 | 第55-57页 |
| 3.4 兴趣转移模型和序列推荐 | 第57-61页 |
| 3.4.1 兴趣转移模型 | 第57-59页 |
| 3.4.2 个性化的兴趣转移模型 | 第59-60页 |
| 3.4.3 基于个性化兴趣转移模型ITM的序列推荐 | 第60-61页 |
| 3.5 实验与分析 | 第61-67页 |
| 3.5.1 实验配置 | 第62-64页 |
| 3.5.2 性能分析 | 第64-67页 |
| 3.6 本章小结 | 第67-68页 |
| 第四章 基于情感评论模式映射的跨域推荐方法 | 第68-88页 |
| 4.1 引言 | 第68-69页 |
| 4.2 框架描述 | 第69-72页 |
| 4.2.1 符号定义 | 第69-70页 |
| 4.2.2 问题定义 | 第70-72页 |
| 4.3 情感评论模式建模 | 第72-77页 |
| 4.3.1 情感分析 | 第72-77页 |
| 4.4 情感评论模式映射和跨域推荐 | 第77-79页 |
| 4.4.1 情感评论模式映射 | 第77-78页 |
| 4.4.2 跨域推荐 | 第78-79页 |
| 4.5 实验与分析 | 第79-85页 |
| 4.5.1 实验配置 | 第80-82页 |
| 4.5.2 性能分析 | 第82-85页 |
| 4.6 本章小结 | 第85-88页 |
| 第五章 情感感知的深度学习跨域推荐方法 | 第88-104页 |
| 5.1 引言 | 第88-90页 |
| 5.2 框架描述 | 第90-92页 |
| 5.2.1 符号定义 | 第90-92页 |
| 5.2.2 框架描述 | 第92页 |
| 5.3 情感感知的评论特征提取 | 第92-96页 |
| 5.3.1 情感分析 | 第93-94页 |
| 5.3.2 情感感知的评论特征提取 | 第94-96页 |
| 5.4 情感感知的评论特征映射和跨域推荐 | 第96-97页 |
| 5.4.1 情感感知的评论特征映射 | 第96页 |
| 5.4.2 基于SARF的跨域推荐 | 第96-97页 |
| 5.5 实验与分析 | 第97-102页 |
| 5.5.1 实验配置 | 第97-99页 |
| 5.5.2 性能分析 | 第99-102页 |
| 5.6 本章小结 | 第102-104页 |
| 第六章 总结与展望 | 第104-108页 |
| 6.1 总结 | 第104-105页 |
| 6.2 展望 | 第105-108页 |
| 参考文献 | 第108-122页 |
| 致谢 | 第122-124页 |
| 攻读学位期间发表的学术论文目录 | 第124-126页 |
| 攻读学位期间参加的科研项目情况 | 第126-128页 |
| 攻读学位期间获奖情况 | 第128-130页 |
| 外文论文 | 第130-169页 |
| 学位论文评阅及答辩情况表 | 第169页 |