基于图的个性化音乐推荐
| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第1章 绪论 | 第10-16页 |
| ·引言 | 第10-12页 |
| ·网络音乐电台与推荐技术 | 第11页 |
| ·个性化推荐的挑战 | 第11-12页 |
| ·研究意义和应用价值 | 第12-13页 |
| ·本文研究目标和内容 | 第13-14页 |
| ·模型的建立 | 第13页 |
| ·算法架构 | 第13-14页 |
| ·效果评估及算法分析 | 第14页 |
| ·本文结构安排 | 第14-16页 |
| 第2章 理论基础及相关工作 | 第16-27页 |
| ·推荐检索技术 | 第16-18页 |
| ·个性化推荐 | 第16-17页 |
| ·基于内容的推荐算法 | 第17页 |
| ·协同过滤推荐算法 | 第17-18页 |
| ·混合推荐算法 | 第18页 |
| ·基于标签的推荐算法 | 第18页 |
| ·基于图的降维算法 | 第18-24页 |
| ·拉普拉斯特征映射 | 第19-20页 |
| ·局部线性嵌入 | 第20-21页 |
| ·流形对齐 | 第21-23页 |
| ·多类型关联对象嵌入 | 第23-24页 |
| ·基于图的排序算法 | 第24-26页 |
| ·PageRank | 第24-25页 |
| ·超链接主题搜索 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于标签及评分的个性化音乐推荐算法 | 第27-41页 |
| ·模型的分析和建立 | 第28-31页 |
| ·模型的分析 | 第28-30页 |
| ·模型的建立 | 第30-31页 |
| ·问题描述 | 第31-34页 |
| ·关系矩阵的建立 | 第32-33页 |
| ·目标函数的建立 | 第33-34页 |
| ·基于标签及评分的推荐算法(P-RABOTR) | 第34-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于评分的大规模音乐推荐算法 | 第41-50页 |
| ·模型的分析和建立 | 第42-45页 |
| ·模型的分析 | 第42-43页 |
| ·模型的建立 | 第43-45页 |
| ·基于评分的大规模推荐算法(LS-RABOR) | 第45-47页 |
| ·算法优化 | 第47-48页 |
| ·计算复杂度分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 实验结果与系统设计 | 第50-64页 |
| ·实验数据集 | 第50-52页 |
| ·实验设计 | 第52-53页 |
| ·对比算法 | 第53-54页 |
| ·评价标准 | 第54-55页 |
| ·实验结果 | 第55-58页 |
| ·参数选择 | 第58-60页 |
| ·P-RABOTR算法参数选择 | 第58-59页 |
| ·LS-RABOR算法参数选择 | 第59-60页 |
| ·LS-RABOR算法在九天音乐推荐系统中的应用 | 第60-63页 |
| ·系统设计 | 第61-62页 |
| ·推荐系统Demo展示 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| ·全文工作总结 | 第64-65页 |
| ·未来工作展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |
