| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究内容 | 第12-14页 |
| 1.4 论文组织结构 | 第14页 |
| 1.5 本章小结 | 第14-15页 |
| 第2章 基于概率矩阵分解的个性化推荐系统的相关工作 | 第15-29页 |
| 2.1 个性化推荐系统 | 第15-18页 |
| 2.1.1 基于内容的推荐 | 第15-17页 |
| 2.1.2 基于协同过滤的推荐 | 第17-18页 |
| 2.1.3 混合推荐 | 第18页 |
| 2.2 推荐系统评测 | 第18-21页 |
| 2.2.1 准确度 | 第18-20页 |
| 2.2.2 覆盖率 | 第20页 |
| 2.2.3 多样性 | 第20-21页 |
| 2.2.4 新颖性和用户的满意度 | 第21页 |
| 2.3 概率矩阵分解 | 第21-26页 |
| 2.3.1 基本矩阵分解 | 第21-22页 |
| 2.3.2 概率矩阵分解 | 第22-23页 |
| 2.3.3 改进的概率矩阵分解 | 第23-26页 |
| 2.4 本章小结 | 第26-29页 |
| 第3章 基于多属性的概率矩阵分解方法的个性化推荐 | 第29-43页 |
| 3.1 引言 | 第29-30页 |
| 3.2 相关技术---CTR模型 | 第30-32页 |
| 3.3 基于多属性信息的概率矩阵分解方法进行个性化推荐 | 第32-41页 |
| 3.3.1 相关定义 | 第32-33页 |
| 3.3.2 原理和方法 | 第33-35页 |
| 3.3.3 算法设计 | 第35页 |
| 3.3.4 实验结果与分析 | 第35-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第4章 基于概率矩阵分解的分层推荐 | 第43-55页 |
| 4.1 引言 | 第43-45页 |
| 4.2 相关技术---PTF模型 | 第45-47页 |
| 4.3 基于概率矩阵分解的分层推荐 | 第47-54页 |
| 4.3.1 相关定义 | 第47页 |
| 4.3.2 PMFST原理与分析 | 第47-49页 |
| 4.3.3 层次推荐 | 第49-50页 |
| 4.3.4 实验结果与分析 | 第50-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-65页 |
| 攻读硕士期间的学术成果 | 第65页 |