基于意见挖掘与深度学习的推荐算法研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12-14页 |
| 1.4 本文结构 | 第14-15页 |
| 第2章 推荐系统概述 | 第15-24页 |
| 2.1 常用的推荐算法 | 第15-19页 |
| 2.1.1 基于内容的推荐算法 | 第16页 |
| 2.1.2 基于协同过滤的推荐算法 | 第16-18页 |
| 2.1.3 混合推荐 | 第18-19页 |
| 2.2 存在的问题 | 第19-22页 |
| 2.2.1 单一的评分数据 | 第19-20页 |
| 2.2.2 矩阵分解存在的限制 | 第20-22页 |
| 2.3 现阶段解决方法 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 单一评分数据的改进 | 第24-31页 |
| 3.1 意见挖掘技术 | 第24-26页 |
| 3.2 提取评论中的意见分值 | 第26-30页 |
| 3.2.1 选取情感词典 | 第26-27页 |
| 3.2.2 意见提取过程 | 第27-29页 |
| 3.2.3 融合实验数据 | 第29-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第4章 基于神经网络改进矩阵分解的限制 | 第31-38页 |
| 4.1 神经网络技术 | 第31-34页 |
| 4.1.1 神经网络发展过程 | 第31-33页 |
| 4.1.2 神经网络工作过程 | 第33-34页 |
| 4.2 神经协同过滤模型 | 第34-37页 |
| 4.2.1 模型架构 | 第34-36页 |
| 4.2.2 算法设计 | 第36-37页 |
| 4.3 本章小结 | 第37-38页 |
| 第5章 实验及分析 | 第38-51页 |
| 5.1 实验环境 | 第38页 |
| 5.2 实验准备 | 第38-42页 |
| 5.2.1 数据准备 | 第38-40页 |
| 5.2.2 评判标准 | 第40-41页 |
| 5.2.3 参数设置 | 第41-42页 |
| 5.3 实验结果 | 第42-49页 |
| 5.3.1 意见挖掘 | 第42-44页 |
| 5.3.2 神经网络模型 | 第44-46页 |
| 5.3.3 参数优化 | 第46-49页 |
| 5.4 实验结论 | 第49-50页 |
| 5.5 本章小结 | 第50-51页 |
| 第6章 总结与展望 | 第51-53页 |
| 6.1 文章总结 | 第51页 |
| 6.2 未来展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 作者简介及科研成果 | 第57-58页 |
| 致谢 | 第58页 |
