协同过滤推荐系统中的数据稀疏性及冷启动问题研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 协同过滤推荐系统面临的问题与挑战 | 第14-15页 |
| 1.3 国内外研究现状 | 第15-18页 |
| 1.4 本文的研究内容 | 第18-19页 |
| 1.5 本文的组织结构 | 第19-21页 |
| 第二章 相关工作 | 第21-38页 |
| 2.1 协同过滤基本原理 | 第21-23页 |
| 2.2 协同过滤算法分类 | 第23-27页 |
| 2.2.1 基于内存的协同过滤 | 第23-27页 |
| 2.2.2 基于模型的协同过滤 | 第27页 |
| 2.2.3 协同过滤算法优点 | 第27页 |
| 2.3 协同过滤数据稀疏性与冷启动问题解决方法 | 第27-37页 |
| 2.3.1 不考虑商品内容的解决方案 | 第28-31页 |
| 2.3.2 结合商品内容的解决方案 | 第31-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第三章 融合商品内容的数据稀疏性问题研究 | 第38-57页 |
| 3.1 研究动机 | 第38-39页 |
| 3.2 基于CRAE的概率矩阵分解 | 第39-49页 |
| 3.2.1 问题定义 | 第39页 |
| 3.2.2 算法步骤 | 第39-40页 |
| 3.2.3 CRAE模型介绍 | 第40-46页 |
| 3.2.4 评分预测 | 第46-49页 |
| 3.3 实验及结果分析 | 第49-55页 |
| 3.3.1 数据集介绍 | 第49-50页 |
| 3.3.2 评测指标 | 第50页 |
| 3.3.3 对比实验安排及参数设置 | 第50-52页 |
| 3.3.4 实验结果 | 第52-55页 |
| 3.4 本章小结 | 第55-57页 |
| 第四章 商品冷启动问题研究 | 第57-78页 |
| 4.1 研究动机 | 第57页 |
| 4.2 问题定义及算法步骤 | 第57-60页 |
| 4.2.1 问题定义 | 第57-58页 |
| 4.2.2 符号定义及算法步骤 | 第58-60页 |
| 4.3 算法介绍 | 第60-69页 |
| 4.3.1 对级概率矩阵分解 | 第60-63页 |
| 4.3.2 商品内容特征—隐特征映射 | 第63-67页 |
| 4.3.3 隐特征动态更新 | 第67-69页 |
| 4.4 实验及结果分析 | 第69-77页 |
| 4.4.1 数据集介绍 | 第69页 |
| 4.4.2 评测指标 | 第69-70页 |
| 4.4.3 实验安排及参数设置 | 第70-71页 |
| 4.4.4 实验结果 | 第71-77页 |
| 4.5 本章小结 | 第77-78页 |
| 第五章 总结及展望 | 第78-80页 |
| 5.1 本文总结 | 第78-79页 |
| 5.2 未来的工作 | 第79-80页 |
| 攻读学位期间发表的学术论文 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 致谢 | 第86页 |
