| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 协同过滤算法的国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-14页 |
| 1.2.2 国内研究现状 | 第14页 |
| 1.3 本文研究的主要内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第2章 推荐算法概述 | 第16-25页 |
| 2.1 推荐系统的基本概念 | 第16-17页 |
| 2.2 基于邻域的协同过滤算法 | 第17-20页 |
| 2.2.1 基于用户的协同过滤算法 | 第17-18页 |
| 2.2.2 基于物品的协同过滤算法 | 第18-20页 |
| 2.3 基于模型的协同过滤算法 | 第20-24页 |
| 2.3.1 偏置项矩阵分解 | 第21-22页 |
| 2.3.2 概率矩阵分解模型 | 第22-24页 |
| 2.3.3 弊端 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于用户行为的评分预测 | 第25-42页 |
| 3.1 引言 | 第25页 |
| 3.2 因子分解机和word2vec技术融合 | 第25-26页 |
| 3.3 因子分解机模型 | 第26-28页 |
| 3.4 Word2vec技术 | 第28-33页 |
| 3.4.1 Hierarchical Softmax加速版本 | 第29-32页 |
| 3.4.2 Negative Sampling加速版本 | 第32-33页 |
| 3.5 实验结果和分析 | 第33-40页 |
| 3.5.1 实验数据 | 第33-34页 |
| 3.5.2 评估指标 | 第34-35页 |
| 3.5.3 对照实验 | 第35-36页 |
| 3.5.4 实验结果 | 第36-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第4章 领域因子分解机用于评分预测 | 第42-56页 |
| 4.1 引言 | 第42-43页 |
| 4.2 领域因子分解机和聚类算法融合 | 第43页 |
| 4.3 领域因子分解机模型 | 第43-45页 |
| 4.4 聚类算法 | 第45-47页 |
| 4.4.1 Kmeans | 第45-46页 |
| 4.4.2 Mini-Batch Kmeans | 第46-47页 |
| 4.4.3 Mini-Batch Kmeans~(++) | 第47页 |
| 4.5 实验结果和分析 | 第47-55页 |
| 4.5.1 实验数据 | 第47-49页 |
| 4.5.2 评估指标 | 第49页 |
| 4.5.3 对照实验 | 第49-50页 |
| 4.5.4 实验结果 | 第50-55页 |
| 4.6 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间所发表的学术论文 | 第62-63页 |
| 致谢 | 第63页 |
