基于监督信号增强的宽、深度学习推荐系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究进展 | 第12-14页 |
| 1.3 论文主要工作与贡献 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 2 关键技术及背景介绍 | 第16-24页 |
| 2.1 推荐系统 | 第16-17页 |
| 2.2 前馈神经网络 | 第17-19页 |
| 2.3 反向传播 | 第19-20页 |
| 2.4 优化算法 | 第20-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 宽、深度学习推荐系统建模 | 第24-37页 |
| 3.1 问题的提出 | 第24-25页 |
| 3.2 相关工作 | 第25-28页 |
| 3.3 宽深度学习推荐系统概览 | 第28-30页 |
| 3.4 宽度部分建模 | 第30-33页 |
| 3.5 深度部分建模 | 第33-35页 |
| 3.6 联合训练 | 第35-36页 |
| 3.7 本章小结 | 第36-37页 |
| 4 基于监督信号增强的改进 | 第37-45页 |
| 4.1 分类监督信号不足带来的问题 | 第37-38页 |
| 4.2 先验知识的融合 | 第38-43页 |
| 4.3 Soft Label的构建 | 第43页 |
| 4.4 基于Soft Label的联合训练 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 5 系统实现与性能测试 | 第45-60页 |
| 5.1 数据集基本特性 | 第45-49页 |
| 5.2 常用评测指标及方法 | 第49-51页 |
| 5.3 候选集生成 | 第51-55页 |
| 5.4 基于宽、深度学习的候选集排序 | 第55-57页 |
| 5.5 结果分析 | 第57-59页 |
| 5.6 本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 全文总结 | 第60页 |
| 6.2 未来展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间取得成果 | 第66页 |
