| 目录 | 第1-8页 |
| TABLE OF CONTENTS | 第8-11页 |
| 摘要 | 第11-13页 |
| ABSTRACT | 第13-16页 |
| 第1章 绪论 | 第16-25页 |
| ·研究背景 | 第16-18页 |
| ·研究现状 | 第18-20页 |
| ·存在的问题和挑战 | 第20-21页 |
| ·本文的工作和创新点 | 第21-24页 |
| ·本文的组织结构 | 第24-25页 |
| 第2章 基本知识 | 第25-41页 |
| ·社会化标注系统 | 第25页 |
| ·推荐算法 | 第25-31页 |
| ·基于内容的推荐算法 | 第26-27页 |
| ·基于协同过滤的推荐算法 | 第27-30页 |
| ·基于记忆的协同过滤推荐算法 | 第28-30页 |
| ·基于模型的协同过滤推荐算法 | 第30页 |
| ·基于内容的推荐算法和基于协同过滤的推荐算法比较 | 第30-31页 |
| ·张量及张量分解 | 第31-36页 |
| ·高阶奇异值分解及其应用 | 第36-40页 |
| ·高阶奇异值分解 | 第36-39页 |
| ·高阶奇异值分解的应用 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第3章 利用四元语义分析为Flickr用户推荐组 | 第41-63页 |
| ·引言 | 第41-44页 |
| ·基于稀疏编码和空间金字塔匹配的图像分类方法 | 第44-50页 |
| ·视觉词袋模型 | 第45-46页 |
| ·图像的稀疏编码表示 | 第46-47页 |
| ·空间金字塔匹配核 | 第47-49页 |
| ·基于稀疏编码的改进的空间金字塔匹配算法 | 第49-50页 |
| ·四元语义分析算法 | 第50-52页 |
| ·四元语义分析过程 | 第52-54页 |
| ·实验 | 第54-61页 |
| ·ScKSPM算法相关实验 | 第54-58页 |
| ·SPM方法的比较 | 第55-56页 |
| ·PCA降维 | 第56-57页 |
| ·ScKSPM与多特征结合方法 | 第57-58页 |
| ·QSAA算法相关实验 | 第58-61页 |
| ·数据集 | 第58页 |
| ·评价测度 | 第58-59页 |
| ·参数选择 | 第59页 |
| ·实验结果 | 第59-60页 |
| ·中心张量的维度对推荐性能的影响 | 第60-61页 |
| ·本章小结 | 第61-63页 |
| 第4章 利用四元语义分析为Flickr图片推荐组 | 第63-75页 |
| ·引言 | 第63-64页 |
| ·四阶张量分解算法 | 第64-67页 |
| ·kernel-SVD | 第64-65页 |
| ·算法描述 | 第65-67页 |
| ·模型更新 | 第67-71页 |
| ·Folding-in技术更新模型 | 第67-69页 |
| ·Incremental SVD技术更新模型 | 第69-71页 |
| ·实验 | 第71-73页 |
| ·数据集 | 第71页 |
| ·评价测度 | 第71-72页 |
| ·实验结果 | 第72-73页 |
| ·本章小结 | 第73-75页 |
| 第5章 基于四元语义分析的Flickr组推荐统一框架 | 第75-86页 |
| ·引言 | 第75-77页 |
| ·Flickr组推荐统一框架 | 第77-79页 |
| ·建立统一框架的方法 | 第77-78页 |
| ·组推荐 | 第78-79页 |
| ·为用户推荐组 | 第78-79页 |
| ·为图片推荐组 | 第79页 |
| ·性能分析 | 第79-84页 |
| ·数据集 | 第79-80页 |
| ·评价测度 | 第80页 |
| ·中心张量的维度对推荐性能的影响 | 第80-82页 |
| ·为用户推荐组的实验 | 第82-83页 |
| ·为图片推荐组的实验 | 第83-84页 |
| ·本章小结 | 第84-86页 |
| 第6章 总结与展望 | 第86-89页 |
| ·主要工作总结 | 第86-87页 |
| ·未来工作展望 | 第87-89页 |
| 参考文献 | 第89-99页 |
| 致谢 | 第99-100页 |
| 攻读学位期间发表的学术论文目录 | 第100-101页 |
| 攻读学位期间参与科研项目情况 | 第101-102页 |
| 外文论文 | 第102-129页 |
| 学位论文评阅及答辩情况表 | 第129页 |