基于排序学习和卷积神经网络的推荐算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 推荐系统相关的会议与期刊 | 第11-12页 |
| 1.2.2 传统推荐方法 | 第12-13页 |
| 1.2.3 下一个购物篮推荐方法 | 第13-14页 |
| 1.3 本文工作 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 2 相关背景知识介绍 | 第16-22页 |
| 2.1 推荐系统的基本概念 | 第16-17页 |
| 2.2 基于内容的推荐 | 第17页 |
| 2.3 基于协同过滤的推荐 | 第17-18页 |
| 2.4 面向排序的推荐 | 第18-20页 |
| 2.5 基于社会网络的推荐 | 第20-21页 |
| 2.6 本章小结 | 第21-22页 |
| 3 融合商品标签信息面向排序的社会化推荐算法 | 第22-32页 |
| 3.1 引言 | 第22-24页 |
| 3.2 问题描述 | 第24页 |
| 3.3 融合商品标签信息面向排序的社会化推荐算法 | 第24-27页 |
| 3.3.1 社交网络中的信任度 | 第24-25页 |
| 3.3.2 商品的标签相似度 | 第25-26页 |
| 3.3.3 融合用户社交信息和商品标签信息 | 第26页 |
| 3.3.4 模型参数训练 | 第26-27页 |
| 3.4 实验结果与分析 | 第27-31页 |
| 3.4.1 数据集描述 | 第27-28页 |
| 3.4.2 评价指标 | 第28页 |
| 3.4.3 实验结果与对比 | 第28-30页 |
| 3.4.4 参数分析 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 4 基于卷积神经网络的下一个购物篮推荐 | 第32-46页 |
| 4.1 引言 | 第32-34页 |
| 4.2 问题描述 | 第34-35页 |
| 4.3 时序行为偏好特征构建 | 第35-39页 |
| 4.3.1 样本构建 | 第36页 |
| 4.3.2 特征体系 | 第36-37页 |
| 4.3.3 计数特征 | 第37页 |
| 4.3.4 比值特征 | 第37-38页 |
| 4.3.5 转化率特征 | 第38页 |
| 4.3.6 均值特征 | 第38-39页 |
| 4.4 基于卷积神经网络的下一个购物篮推荐 | 第39-41页 |
| 4.4.1 模型框架 | 第39-40页 |
| 4.4.2 卷积层 | 第40页 |
| 4.4.3 池化层 | 第40页 |
| 4.4.4 模型训练 | 第40-41页 |
| 4.5 实验结果与分析 | 第41-45页 |
| 4.5.1 数据集描述 | 第41-42页 |
| 4.5.2 评价指标 | 第42页 |
| 4.5.3 数据预处理与实验设置 | 第42-43页 |
| 4.5.4 实验结果与对比 | 第43-44页 |
| 4.5.5 参数分析 | 第44-45页 |
| 4.6 本章小结 | 第45-46页 |
| 结论 | 第46-48页 |
| 参考文献 | 第48-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54-55页 |
| 致谢 | 第55-56页 |
