| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 研究现状 | 第13-14页 |
| 1.3 论文的主要内容 | 第14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第二章 相关知识和关键技术介绍 | 第16-24页 |
| 2.1 个性化推荐系统 | 第16-17页 |
| 2.2 基本的推荐算法 | 第17-23页 |
| 2.2.1 基于内容的推荐算法 | 第17-18页 |
| 2.2.2 潜在狄利克雷分布模型 | 第18-19页 |
| 2.2.3 协同过滤推荐算法 | 第19-23页 |
| 2.2.4 混合推荐算法 | 第23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 主题模型T-LDA和矩阵分解模型SAT-PMF | 第24-38页 |
| 3.1 问题的描述 | 第24-25页 |
| 3.2 CTR模型 | 第25-28页 |
| 3.3 基于项目标签信息的模型 | 第28-30页 |
| 3.3.1 LDA模型与标签信息的结合 | 第28-29页 |
| 3.3.2 基于项目标签信息的LDA模型(T-LDA) | 第29-30页 |
| 3.4 基于用户信任关系和时间序列的概率矩阵分解模型 | 第30-37页 |
| 3.4.1 用户之间的信任关系 | 第30-33页 |
| 3.4.1.1 加入用户信任关系的概率矩阵分解模型 | 第31-32页 |
| 3.4.1.2 用户间信任度的计算 | 第32-33页 |
| 3.4.2 时间因素的影响 | 第33-35页 |
| 3.4.2.1 时间因素对用户之间关系的潜在影响 | 第33-34页 |
| 3.4.2.2 加入时间因素的概率矩阵分解模型 | 第34-35页 |
| 3.4.3 基于用户信任关系和时间序列的概率矩阵分解模型(SAT-PMF) | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 结合时间序列的协同主题回归推荐模型 | 第38-45页 |
| 4.1 N-CTR模型的介绍 | 第38-40页 |
| 4.2 N-CTR模型的生成和训练 | 第40-44页 |
| 4.2.1 N-CTR模型的生成过程 | 第40-42页 |
| 4.2.2 N-CTR模型的训练 | 第42-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第五章 实验与分析 | 第45-55页 |
| 5.1 实验数据集 | 第45-46页 |
| 5.2 实验评价指标和对比实验模型的选取 | 第46-47页 |
| 5.2.1 实验评价指标的选取 | 第46页 |
| 5.2.2 对比实验模型的选取 | 第46-47页 |
| 5.3 实验结果与分析 | 第47-54页 |
| 5.3.1 参数的设置 | 第47-48页 |
| 5.3.2 参数λ_V和参数λ_F对模型的影响 | 第48-51页 |
| 5.3.3 权重γ对模型的影响 | 第51-53页 |
| 5.3.4 对比实验 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 工作总结 | 第55-56页 |
| 6.2 工作展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士期间发表的学术论文 | 第62页 |
