基于协同过滤的个性化推荐算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 选题背景及其研究意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 论文结构安排 | 第16-18页 |
| 第二章 相关工作 | 第18-28页 |
| 2.1 推荐系统介绍 | 第18页 |
| 2.2 协同过滤算法介绍 | 第18-19页 |
| 2.3 协同过滤算法分类 | 第19-25页 |
| 2.3.1 基于内存的协同过滤算法 | 第19-21页 |
| 2.3.2 基于模型的协同过滤算法 | 第21-24页 |
| 2.3.3 基于混合的协同过滤算法 | 第24-25页 |
| 2.4 数据集与平均指标 | 第25-28页 |
| 2.4.1 数据集 | 第25页 |
| 2.4.2 评估指标 | 第25-28页 |
| 第三章 融入社会关系的协同主题回归模型 | 第28-40页 |
| 3.1 问题分析 | 第28-29页 |
| 3.2 协同主题回归模型 | 第29-30页 |
| 3.3 USRCTR模型的提出与建立 | 第30-32页 |
| 3.4 参数学习 | 第32-34页 |
| 3.5 预测与推荐 | 第34页 |
| 3.6 实验结果与分析 | 第34-39页 |
| 3.6.1 参数敏感度分析 | 第35-36页 |
| 3.6.2 性能分析与比较 | 第36-38页 |
| 3.6.3 时间复杂度分析 | 第38-39页 |
| 3.7 本章小结 | 第39-40页 |
| 第四章 基于社会正则化的协同主题回归模型 | 第40-50页 |
| 4.1 问题分析 | 第40-41页 |
| 4.2 CTR-SR模型的提出与建立 | 第41-43页 |
| 4.3 参数学习 | 第43-45页 |
| 4.4 推荐与预测 | 第45页 |
| 4.5 实验结果与分析 | 第45-49页 |
| 4.5.1 参数敏感度分析 | 第46-48页 |
| 4.5.2 性能分析与比较 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 基于社会正则化的协同深度学习 | 第50-61页 |
| 5.1 问题分析 | 第50-51页 |
| 5.2 基于贝叶斯的SDAE | 第51-52页 |
| 5.3 CDL-SR模型的提出与建立 | 第52-54页 |
| 5.4 参数学习 | 第54-56页 |
| 5.5 预测与推荐 | 第56-57页 |
| 5.6 实验结果与分析 | 第57-60页 |
| 5.6.1 参数敏感度分析 | 第57-58页 |
| 5.6.2 性能分析与比较 | 第58-60页 |
| 5.6.3 时间复杂度分析 | 第60页 |
| 5.7 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望未来 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-70页 |
| 附录A 攻读硕士学位期间发表的学术论文 | 第70-71页 |
| 附录B 攻读硕士学位期间参与的科研项目 | 第71页 |
