基于时间段图模型的用户行为分段与兴趣建模研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-13页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 本文的主要研究内容 | 第11页 |
| 1.3 本文的组织结构 | 第11-12页 |
| 1.4 本章小结 | 第12-13页 |
| 第2章 相关工作介绍 | 第13-23页 |
| 2.1 推荐系统的主要方法研究 | 第13-16页 |
| 2.1.1 协同过滤 | 第13-16页 |
| 2.1.2 内容过滤 | 第16页 |
| 2.2 推荐系统的时间动态性研究 | 第16-18页 |
| 2.3 基于图的推荐研究 | 第18-21页 |
| 2.3.1 上下文图 | 第18-20页 |
| 2.3.2 利用查询信息 | 第20-21页 |
| 2.4 现有方法小结 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 基于贪心策略的时间段划分 | 第23-35页 |
| 3.1 引言 | 第23页 |
| 3.2 时间段图模型 | 第23-27页 |
| 3.2.1 用户物品二分图 | 第23-24页 |
| 3.2.2 时间段结点 | 第24-27页 |
| 3.3 历史行为时间段划分 | 第27-34页 |
| 3.3.1 固定时间窗口的缺点 | 第27-29页 |
| 3.3.2 相邻两次行为时间间隔 | 第29-31页 |
| 3.3.3 基于贪心策略的时间段划分 | 第31-34页 |
| 3.3.4 复杂度分析 | 第34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于时间段图的兴趣衰减模型 | 第35-51页 |
| 4.1 问题描述 | 第35页 |
| 4.2 路径融合算法 | 第35-39页 |
| 4.2.1 兴趣传播 | 第35-37页 |
| 4.2.2 广度优先搜索 | 第37-39页 |
| 4.3 兴趣衰减模型 | 第39-50页 |
| 4.3.1 兴趣随时间变化 | 第39-42页 |
| 4.3.2 路径融合算法的不足 | 第42-43页 |
| 4.3.3 物品时间段二分图上的兴趣衰减 | 第43-45页 |
| 4.3.4 不同时间段注入不同的兴趣初值 | 第45-49页 |
| 4.3.5 时间效率分析 | 第49-50页 |
| 4.4 时间段结点与关联分析 | 第50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 实验测试与分析 | 第51-66页 |
| 5.1 数据集介绍 | 第51-52页 |
| 5.1.1 MovieLens | 第51页 |
| 5.1.2 豆瓣电影 | 第51-52页 |
| 5.2 实验环境搭建 | 第52-59页 |
| 5.2.1 系统设计 | 第52-53页 |
| 5.2.2 数据采集 | 第53-56页 |
| 5.2.3 信息抽取 | 第56页 |
| 5.2.4 算法实现 | 第56-57页 |
| 5.2.5 实验设计 | 第57页 |
| 5.2.6 评价指标 | 第57-59页 |
| 5.3 对比方法与结果分析 | 第59-65页 |
| 5.3.1 UserCF | 第59-60页 |
| 5.3.2 DSSTG vs.GIDSSTG | 第60-62页 |
| 5.3.3 λ参数的选取 | 第62页 |
| 5.3.4 ρ参数的选取 | 第62-63页 |
| 5.3.5 时间效率比较 | 第63-64页 |
| 5.3.6 结果比较 | 第64-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第6章 总结及展望 | 第66-68页 |
| 6.1 工作总结 | 第66页 |
| 6.2 工作展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73页 |
