基于标签信息的跨领域推荐算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 推荐算法 | 第10页 |
| 1.2.2 跨领域推荐算法 | 第10-11页 |
| 1.2.3 基于标签信息的推荐算法 | 第11-12页 |
| 1.3 论文的研究目的及成果 | 第12页 |
| 1.4 论文结构安排 | 第12-15页 |
| 第二章 信息推荐技术概述 | 第15-25页 |
| 2.1 信息推荐系统概述 | 第15页 |
| 2.2 单领域推荐算法介绍 | 第15-22页 |
| 2.2.1 基于内容的推荐算法 | 第16页 |
| 2.2.2 基于协同过滤的推荐算法 | 第16-20页 |
| 2.2.3 其他推荐算法 | 第20-22页 |
| 2.3 推荐算法的评价方法 | 第22-25页 |
| 第三章 跨领域信息推荐概述 | 第25-35页 |
| 3.1 跨领域信息推荐系统概述 | 第25-27页 |
| 3.2 基于协同过滤的跨领域推荐算法介绍 | 第27-35页 |
| 3.2.1 密码本迁移学习(CBT)算法 | 第27-30页 |
| 3.2.2 评分矩阵生成模型(RMGM)算法 | 第30-32页 |
| 3.2.3 聚类层级因子模型(CLFM)算法 | 第32-35页 |
| 第四章 信息推荐中的标签抽取及分析技术 | 第35-43页 |
| 4.1 标签信息 | 第35-36页 |
| 4.2 相关数据集 | 第36-38页 |
| 4.2.1 MovieLens数据集 | 第36-37页 |
| 4.2.2 其他标签数据集 | 第37-38页 |
| 4.3 基于社会化标注的信息推荐算法介绍 | 第38-39页 |
| 4.4 标签信息的抽取及分析技术 | 第39-43页 |
| 4.4.1 基于共现分布矩阵的标签分析方法 | 第40-41页 |
| 4.4.2 基于WAF矩阵标签分析方法 | 第41-43页 |
| 第五章 基于标签信息的跨领域推荐算法研究 | 第43-61页 |
| 5.1 标签特征的选取 | 第43页 |
| 5.2 基于潜在因子模型的跨领域推荐算法 | 第43-45页 |
| 5.2.1 模型描述 | 第44-45页 |
| 5.2.2 参数学习 | 第45页 |
| 5.3 基于标签关系的跨领域推荐算法 | 第45-49页 |
| 5.3.1 模型描述 | 第47-48页 |
| 5.3.2 参数学习 | 第48-49页 |
| 5.4 实验结果与分析 | 第49-61页 |
| 5.4.1 实验数据 | 第49-50页 |
| 5.4.2 标签关系的结果与分析 | 第50-51页 |
| 5.4.3 不同算法在单域情景下的实验结果 | 第51-53页 |
| 5.4.4 不同算法在跨域情景下的实验结果 | 第53-55页 |
| 5.4.5 不同算法基于相似性模型的实验 | 第55-59页 |
| 5.4.6 实验小结 | 第59-61页 |
| 第六章 总结及展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 作者在读期间的研究成果 | 第69页 |
