基于多行为融合的电商推荐系统研究与实现
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 主要符号对照表 | 第12-13页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.3 研究内容 | 第18页 |
| 1.4 论文组织结构 | 第18-19页 |
| 1.5 本章小结 | 第19-21页 |
| 第二章 相关技术研究 | 第21-33页 |
| 2.1 基于物品的协同过滤 | 第21-23页 |
| 2.1.1 评分表 | 第21-22页 |
| 2.1.2 相似度计算 | 第22页 |
| 2.1.3 预测及推荐 | 第22-23页 |
| 2.2 逻辑回归 | 第23-27页 |
| 2.2.1 线性回归 | 第23-24页 |
| 2.2.2 逻辑函数 | 第24页 |
| 2.2.3 线性回归与逻辑函数结合 | 第24-26页 |
| 2.2.4 规则化项 | 第26-27页 |
| 2.2.5 梯度下降法 | 第27页 |
| 2.3 梯度提升回归树 | 第27-31页 |
| 2.3.1 信息增益率 | 第27-29页 |
| 2.3.2 分类和回归树 | 第29-30页 |
| 2.3.3 梯度提升算法 | 第30-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第三章 基于协同过滤的推荐系统 | 第33-41页 |
| 3.1 构建评分表 | 第33-36页 |
| 3.2 预测新评分 | 第36-38页 |
| 3.3 推荐 | 第38-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 基于回归的推荐系统 | 第41-63页 |
| 4.1 数据预处理 | 第41-42页 |
| 4.2 噪音数据消除 | 第42-44页 |
| 4.3 特征与目标值提取 | 第44-52页 |
| 4.3.1 用户相关特征 | 第44-46页 |
| 4.3.2 商品相关特征 | 第46-47页 |
| 4.3.3 用户和商品关联特征 | 第47-49页 |
| 4.3.4 衍生特征 | 第49-51页 |
| 4.3.5 构造训练集 | 第51-52页 |
| 4.4 特征选择 | 第52-58页 |
| 4.4.1 产生特征子集 | 第55-56页 |
| 4.4.2 评估与停止 | 第56-58页 |
| 4.5 模型训练 | 第58-61页 |
| 4.5.1 逻辑回归模型 | 第58-60页 |
| 4.5.2 梯度提升回归树模型 | 第60-61页 |
| 4.6 预测与推荐 | 第61页 |
| 4.7 本章小结 | 第61-63页 |
| 第五章 模型融合 | 第63-67页 |
| 5.1 三种模型比较 | 第63-64页 |
| 5.2 模型融合 | 第64-66页 |
| 5.2.1 混合型 | 第64-65页 |
| 5.2.2 特征扩充型 | 第65页 |
| 5.2.3 两种混合模型比较 | 第65-66页 |
| 5.3 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 全文总结 | 第67-68页 |
| 6.2 研究展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 攻读学位期间发表的学术论文目录 | 第75-77页 |
