| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第13-24页 |
| 1.1 课题背景 | 第13-15页 |
| 1.2 国内外现状 | 第15-21页 |
| 1.2.1 基于关联规则的推荐算法 | 第15页 |
| 1.2.2 基于内容的推荐算法 | 第15-16页 |
| 1.2.3 协同过滤算法 | 第16-18页 |
| 1.2.4 考虑辅助信息的协同过滤算法 | 第18-21页 |
| 1.3 本文的主要工作 | 第21-22页 |
| 1.4 本文的组织结构 | 第22-24页 |
| 第2章 相关技术综述 | 第24-35页 |
| 2.1 基于近邻的协同过滤算法 | 第24-26页 |
| 2.2 基于潜在因子模型的矩阵分解算法 | 第26-28页 |
| 2.3 考虑用户社交关系正则的矩阵分解算法 | 第28-30页 |
| 2.4 经济学中物品互补替代关系 | 第30-32页 |
| 2.4.1 效用 | 第30页 |
| 2.4.2 无差异曲线 | 第30-31页 |
| 2.4.3 物品互补替代关系 | 第31-32页 |
| 2.5 文本相似度计算方法 | 第32-34页 |
| 2.5.1 TF-IDF算法求解关键词 | 第32-33页 |
| 2.5.2 余弦公式计算文档词频向量相似度 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第3章 基于物品互补替代网络和用户相似性网络的推荐算法 | 第35-61页 |
| 3.1 问题定义 | 第35-37页 |
| 3.2 基于物品互补替代网络和用户相似性网络的推荐模型 | 第37-46页 |
| 3.2.1 物品替代关系正则约束 | 第37-39页 |
| 3.2.2 物品互补关系正则约束 | 第39-40页 |
| 3.2.3 用户相似性关系正则约束 | 第40-42页 |
| 3.2.4 最终模型 | 第42-44页 |
| 3.2.5 模型训练方法 | 第44-46页 |
| 3.3 实验与分析 | 第46-59页 |
| 3.3.1 数据集与预处理 | 第47-50页 |
| 3.3.2 实验设计 | 第50-52页 |
| 3.3.3 参数训练的实验结果与分析 | 第52-57页 |
| 3.3.4 对比实验 | 第57-59页 |
| 3.4 本章小结 | 第59-61页 |
| 第4章 基于文本相似度和同购概率预测物品之间互补替代网络的算法 | 第61-79页 |
| 4.1 问题定义 | 第61-63页 |
| 4.2 基于文本相似度和同购概率预测物品之间互补替代网络 | 第63-68页 |
| 4.2.1 文本相似度预测物品替代网络 | 第63-66页 |
| 4.2.2 同购概率预测物品互补网络 | 第66-68页 |
| 4.3 实验与分析 | 第68-77页 |
| 4.3.1 数据集与预处理 | 第69-71页 |
| 4.3.2 实验设计 | 第71-73页 |
| 4.3.3 实验结果与分析 | 第73-77页 |
| 4.3.4 实验总结 | 第77页 |
| 4.4 本章小结 | 第77-79页 |
| 第5章 总结与展望 | 第79-82页 |
| 5.1 本文工作总结 | 第79-80页 |
| 5.2 未来工作展望 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 攻读硕士学位期间主要的研究成果 | 第87-88页 |
| 致谢 | 第88页 |
