基于“用户—景点”关系建模的景点推荐技术的研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文研究内容 | 第12-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第2章 相关研究综述 | 第16-26页 |
| 2.1 推荐系统定义 | 第16页 |
| 2.2 学术界的推荐系统研究 | 第16-22页 |
| 2.2.1 基于协同过滤的推荐算法 | 第16-20页 |
| 2.2.2 基于内容的推荐算法 | 第20-21页 |
| 2.2.3 混合推荐算法 | 第21-22页 |
| 2.3 工业界的推荐系统实现 | 第22-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 个性化旅游景点推荐系统的设计与实现 | 第26-32页 |
| 3.1 个性化旅游景点推荐系统的设计 | 第26-28页 |
| 3.2 个性化旅游景点推荐系统的实现 | 第28-30页 |
| 3.3 本章小结 | 第30-32页 |
| 第4章 基于稀疏学习的景点信息建模研究 | 第32-42页 |
| 4.1 基于同质性系数正则项的稀疏学习建模 | 第32-37页 |
| 4.1.1 稀疏学习预备知识 | 第32-35页 |
| 4.1.2 同质性系数正则项的添加 | 第35-37页 |
| 4.2 景点信息建模的求解和实现 | 第37-41页 |
| 4.2.1 景点信息建模的求解 | 第37-39页 |
| 4.2.2 景点信息建模的实现 | 第39-41页 |
| 4.3 本章小结 | 第41-42页 |
| 第5章 基于先验知识的用户信息建模研究 | 第42-50页 |
| 5.1 基于先验知识的用户信息分析 | 第42-46页 |
| 5.1.1 用户信息建模的假设 | 第42页 |
| 5.1.2 用户信息建模的假设证明 | 第42-46页 |
| 5.2 基于先验知识的用户信息建模 | 第46-48页 |
| 5.3 本章小结 | 第48-50页 |
| 第6章 基于序数回归的推荐景点排序 | 第50-60页 |
| 6.1 排序的意义与目标 | 第50页 |
| 6.2 推荐景点排序方法建模 | 第50-54页 |
| 6.2.1 排序算法预备知识 | 第51-53页 |
| 6.2.2 推荐景点排序方法建模 | 第53-54页 |
| 6.3 推荐景点排序模块的实现 | 第54-58页 |
| 6.4 本章小结 | 第58-60页 |
| 第7章 实验设计与结果分析 | 第60-70页 |
| 7.1 实验目标 | 第60页 |
| 7.2 数据准备 | 第60-61页 |
| 7.3 评测指标与实验设计 | 第61-62页 |
| 7.3.1 评测指标 | 第61页 |
| 7.3.2 实验设计 | 第61-62页 |
| 7.4 实验结果分析 | 第62-68页 |
| 7.4.1 景点信息建模的分类效果 | 第62-66页 |
| 7.4.2 模型参数对景点信息建模影响 | 第66-67页 |
| 7.4.3 个性化系统框架的推荐效果 | 第67-68页 |
| 7.5 本章小结 | 第68-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间所发表的学术成果 | 第76-78页 |
| 致谢 | 第78页 |
