迁移学习在垂直电商推荐系统上的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 图目录 | 第9-10页 |
| 表目录 | 第10-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究背景 | 第11-12页 |
| ·国内外研究现状 | 第12页 |
| ·论文的研究内容和意义 | 第12-13页 |
| ·论文的研究内容 | 第12-13页 |
| ·论文的意义 | 第13页 |
| ·论文的结构 | 第13-15页 |
| 第二章 相关工作 | 第15-26页 |
| ·推荐系统 | 第15-19页 |
| ·推荐系统历史 | 第15-17页 |
| ·推荐系统算法 | 第17-18页 |
| ·推荐系统的问题 | 第18-19页 |
| ·垂直电子商务网站与推荐系统 | 第19-22页 |
| ·垂直电商推荐系统中的输入数据 | 第19-20页 |
| ·垂直电商推荐系统的推荐内容 | 第20-21页 |
| ·垂直电商推荐系统面临的问题 | 第21-22页 |
| ·迁移学习 | 第22-25页 |
| ·传统机器学习的限制 | 第22-23页 |
| ·迁移学习的由来与概述 | 第23-24页 |
| ·迁移学习的三要素 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 改进的基于用户的协同过滤 | 第26-38页 |
| ·基于用户的协同过滤推荐 | 第26-29页 |
| ·确定相似用户 | 第26-28页 |
| ·预测评分 | 第28-29页 |
| ·推荐产品 | 第29页 |
| ·改进的协同过滤算法描述 | 第29-31页 |
| ·实验评估 | 第31-37页 |
| ·数据集 | 第31页 |
| ·预处理 | 第31-32页 |
| ·对比方法 | 第32页 |
| ·实验设计 | 第32-33页 |
| ·评估方法 | 第33页 |
| ·实验结果及讨论 | 第33-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 迁移学习在垂直电商推荐系统中的应用 | 第38-50页 |
| ·常见的迁移学习方法 | 第38-39页 |
| ·实例化迁移 | 第38页 |
| ·特征表示迁移 | 第38-39页 |
| ·参数迁移 | 第39页 |
| ·关联知识迁移 | 第39页 |
| ·迁移学习算法 | 第39-43页 |
| ·构造CodeBook | 第40-42页 |
| ·迁移CodeBook | 第42-43页 |
| ·实验评估 | 第43-49页 |
| ·数据集 | 第43-44页 |
| ·预处理 | 第44页 |
| ·对比方法 | 第44-45页 |
| ·实验设计 | 第45页 |
| ·实验结果及讨论 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 总结和展望 | 第50-52页 |
| ·论文小结 | 第50页 |
| ·未来展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 简历与成果 | 第57-59页 |
