| 摘要 | 第5-8页 |
| Abstract | 第8-10页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 类别标签推荐系统 | 第14页 |
| 1.2.2 动态时序推荐系统 | 第14-15页 |
| 1.3 研究对象 | 第15-17页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 主要贡献 | 第17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第2章 相关理论及模型概述 | 第19-35页 |
| 2.1 矩阵分解 | 第19-20页 |
| 2.2 有概率先验的矩阵分解 | 第20-25页 |
| 2.2.1 概率矩阵分解(PMF) | 第21-22页 |
| 2.2.2 贝叶斯概率矩阵分解(BPMF) | 第22-25页 |
| 2.3 利用深度神经网络卷积层特征的推荐算法 | 第25-28页 |
| 2.4 分解概率转移马尔科夫链时序推荐 | 第28-32页 |
| 2.5 推荐系统评测标准 | 第32-33页 |
| 2.6 Amazon数据集 | 第33-34页 |
| 2.7 本章小结 | 第34-35页 |
| 第3章 基于类别标签的个性化推荐算法 | 第35-57页 |
| 3.1 Category层次结构中的个性化 | 第35-36页 |
| 3.2 构建LICL模型 | 第36-47页 |
| 3.2.1 模型背景 | 第37页 |
| 3.2.2 提取Category个性化因子 | 第37-42页 |
| 3.2.3 将Category个性化因子,BPR融入BPMF模型 | 第42-47页 |
| 3.3 实验设计与分析 | 第47-54页 |
| 3.3.1 数据集,实验设置和测评标准 | 第47-49页 |
| 3.3.2 对比基准模型 | 第49页 |
| 3.3.3 实验分析和讨论 | 第49-53页 |
| 3.3.4 Category限制搜寻空间 | 第53-54页 |
| 3.4 本章小结 | 第54-57页 |
| 第4章 探索基于潜在绑定关系的个性化行为预测 | 第57-75页 |
| 4.1 用户高阶行为序列中的商品关系 | 第57-60页 |
| 4.2 构建LBS-Ranking模型 | 第60-68页 |
| 4.2.1 模型背景 | 第61-62页 |
| 4.2.2 将语义特征添加到FPMC | 第62-63页 |
| 4.2.3 探索个性化Latent Bundling关系 | 第63-67页 |
| 4.2.4 模型优化 | 第67-68页 |
| 4.3 实验设计与分析 | 第68-73页 |
| 4.3.1 数据集和评测标准 | 第68-69页 |
| 4.3.2 对比基准算法 | 第69-70页 |
| 4.3.3 实验分析和讨论 | 第70-72页 |
| 4.3.4 Latent Bundling关系 | 第72-73页 |
| 4.4 本章小结 | 第73-75页 |
| 第5章 总结与展望 | 第75-79页 |
| 5.1 总结 | 第75-76页 |
| 5.2 展望 | 第76-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-85页 |
| 攻读硕士期间的学术成果 | 第85页 |