基于因子分解机的社交网络关系推荐研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 引言 | 第9-13页 |
| ·选题背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·研究内容及结构安排 | 第11-13页 |
| ·研究内容及创新点 | 第11-12页 |
| ·全文结构安排 | 第12-13页 |
| 第二章 推荐系统相关理论综述 | 第13-30页 |
| ·推荐系统概述 | 第13-16页 |
| ·二部图网络下的推荐系统 | 第16-22页 |
| ·基于内容的推荐 | 第17-18页 |
| ·协同过滤 | 第18-22页 |
| ·社交网络中的关系推荐 | 第22-26页 |
| ·基于统计信息的关系推荐 | 第23-24页 |
| ·基于共同兴趣的关系推荐 | 第24-25页 |
| ·基于网络结构相似性的关系推荐 | 第25-26页 |
| ·推荐系统的评价指标 | 第26-29页 |
| ·预测准确度 | 第27-29页 |
| ·其他指标简介 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第三章 推荐系统中的因子分解理论 | 第30-46页 |
| ·预备知识 | 第30-37页 |
| ·损失函数与模型选择 | 第30-34页 |
| ·矩阵补全与奇异值分解 | 第34-36页 |
| ·预测基准 | 第36-37页 |
| ·推荐系统中的矩阵分解技术 | 第37-38页 |
| ·隐式反馈与SVD++ | 第38-39页 |
| ·因子分解机 | 第39-44页 |
| ·多项式回归 | 第40页 |
| ·模型表示与参数学习 | 第40-43页 |
| ·因子分解机模型的使用 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第四章 基于因子分解机的关系推荐 | 第46-58页 |
| ·数据集及评价指标 | 第46-48页 |
| ·特征选取及预测模型构造 | 第48-53页 |
| ·多类别变量的特征选择 | 第49页 |
| ·用户时间行为的特征选择 | 第49-51页 |
| ·冷启动用户的处理 | 第51页 |
| ·分用户的模型融合 | 第51-53页 |
| ·实验结果与分析 | 第53-56页 |
| ·对比结果 | 第53-55页 |
| ·因子分解维度K的选取 | 第55-56页 |
| ·实验数据的处理细节 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 总结及展望 | 第58-60页 |
| ·论文工作总结 | 第58页 |
| ·进一步的研究工作 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表的学术论文 | 第64页 |
