| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 本文的主要工作 | 第9-10页 |
| 1.2.1 融入情感信息的协同过滤 | 第9-10页 |
| 1.2.2 基于矩阵分解的情感信息融合方法 | 第10页 |
| 1.2.3 实验与评测 | 第10页 |
| 1.3 本文的组织 | 第10页 |
| 1.4 本章小结 | 第10-11页 |
| 第二章 相关研究综述 | 第11-23页 |
| 2.1 传统推荐系统概述 | 第11页 |
| 2.2 推荐系统分类 | 第11-19页 |
| 2.2.1 基于人口统计信息的推荐 | 第12页 |
| 2.2.2 基于内容的推荐 | 第12-13页 |
| 2.2.3 基于近邻的协同过滤 | 第13-16页 |
| 2.2.4 基于矩阵分解的协同过滤 | 第16-17页 |
| 2.2.5 混合推荐 | 第17-19页 |
| 2.3 融入用户和物品特征信息的推荐系统研究概况 | 第19页 |
| 2.4 推荐系统而临的挑战 | 第19-20页 |
| 2.5 推荐系统的评价指标 | 第20-22页 |
| 2.5.1 准确度指标 | 第20-21页 |
| 2.5.2 覆盖率指标 | 第21页 |
| 2.5.3 召回率指标 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第三章 融入情感信息的协同过滤 | 第23-27页 |
| 3.1 问题定义 | 第23页 |
| 3.2 物品的情感权重计算 | 第23-24页 |
| 3.3 用户情感评分 | 第24页 |
| 3.4 情感的信息熵 | 第24-26页 |
| 3.5 基于情感特征的用户评分预测 | 第26页 |
| 3.6 预测评分融合 | 第26页 |
| 3.7 本章小结 | 第26-27页 |
| 第四章 基于矩阵分解的情感信息融合 | 第27-35页 |
| 4.1 基于情感特征的物品相似性 | 第27-30页 |
| 4.2 融入基于加权情感特征的物品相似度的矩阵分解模型 | 第30-31页 |
| 4.3 基于情感特征的用户相似度 | 第31页 |
| 4.4 融入基于情感特征的用户相似度的矩阵分解模型 | 第31-34页 |
| 4.5 复杂度分析 | 第34页 |
| 4.3 本章小结 | 第34-35页 |
| 第五章 实验与分析 | 第35-41页 |
| 5.1 数据集 | 第35页 |
| 5.2 评测指标 | 第35页 |
| 5.3 实验结果分析 | 第35-40页 |
| 5.3.1 矩阵分解模型中权衡参数α、β的影响 | 第36-38页 |
| 5.3.2 迭代次数对目标函数的影响 | 第38-39页 |
| 5.3.3 算法性能比较 | 第39-40页 |
| 5.4 本章小结 | 第40-41页 |
| 第六章 总结与展望 | 第41-42页 |
| 参考文献 | 第42-46页 |
| 攻读学位期间发表的学术论文 | 第46-47页 |
| 致谢 | 第47-48页 |