| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 跨域推荐技术研究现状 | 第12-14页 |
| 1.2.2 基于人格信息的推荐相关技术研究现状 | 第14-15页 |
| 1.3 主要研究内容及创新 | 第15-16页 |
| 1.4 本文组织结构 | 第16-18页 |
| 第2章 跨域推荐系统及技术基础 | 第18-27页 |
| 2.1 跨域推荐系统 | 第18-20页 |
| 2.2 深度神经网络技术 | 第20-24页 |
| 2.2.1 神经网络及学习过程 | 第20-21页 |
| 2.2.2 深度神经网络模型及训练过程 | 第21-23页 |
| 2.2.3 深度神经网络在推荐系统中的应用 | 第23-24页 |
| 2.3 大五人格理论 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 社交平台用户人格信息匹配算法 | 第27-37页 |
| 3.1 算法基本思路 | 第27-28页 |
| 3.2 基于大五人格理论的用户人格匹配方法 | 第28-30页 |
| 3.2.1 BFM评分表的确定 | 第28-29页 |
| 3.2.2 人格因素值计算及用户五维人格评分 | 第29-30页 |
| 3.3 社交平台用户人格自动匹配算法实现流程 | 第30-31页 |
| 3.4 实验仿真分析 | 第31-36页 |
| 3.4.1 实验数据来源 | 第31-32页 |
| 3.4.2 对比模型 | 第32页 |
| 3.4.3 实验设计 | 第32-33页 |
| 3.4.4 实验结果及分析 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 基于用户人格信息的深度神经网络跨域推荐算法 | 第37-50页 |
| 4.1 算法基本思路 | 第37-38页 |
| 4.2 融入人格信息的协同过滤算法 | 第38-40页 |
| 4.3 跨域深度神经网络模型构建 | 第40-42页 |
| 4.3.1 跨域深度神经网络模型 | 第40-41页 |
| 4.3.2 重要参数设置 | 第41页 |
| 4.3.3 训练过程 | 第41-42页 |
| 4.4 基于人格感知的深度神经网络跨域推荐算法 | 第42-46页 |
| 4.4.1 算法整体方案设计 | 第42-43页 |
| 4.4.2 各辅助域上特征信息的提取 | 第43-44页 |
| 4.4.3 深度网络神经算法训练模块设计 | 第44-46页 |
| 4.5 实验仿真分析 | 第46-49页 |
| 4.5.1 实验数据来源 | 第46页 |
| 4.5.2 对比模型 | 第46-47页 |
| 4.5.3 实验设计 | 第47页 |
| 4.5.4 实验结果及分析 | 第47-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第5章 结论 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士期间发表的学术论文和取得的科研成果 | 第56-57页 |
| 致谢 | 第57-58页 |
| 附录1 | 第58-60页 |