| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究发展与现状 | 第10-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 第二章 预备知识 | 第15-27页 |
| 2.1 推荐系统基本概念 | 第15页 |
| 2.2 几种主要的推荐算法 | 第15-17页 |
| 2.2.1 基于内容的推荐算法 | 第15-16页 |
| 2.2.2 基于协同过滤的推荐算法 | 第16页 |
| 2.2.3 基于知识的推荐算法 | 第16-17页 |
| 2.2.4 混合推荐算法 | 第17页 |
| 2.3 基于近邻、矩阵分解的协同过滤算法 | 第17-25页 |
| 2.3.1 基于近邻的协同过滤推荐算法 | 第18-19页 |
| 2.3.2 协同过滤推荐算法中的相似度度量 | 第19-21页 |
| 2.3.3 矩阵分解的协同过滤推荐算法 | 第21-24页 |
| 2.3.4 协同过滤推荐算法面临的问题 | 第24-25页 |
| 2.4 推荐系统的评测指标 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 嵌入物品相似度约束的矩阵分解推荐算法 | 第27-36页 |
| 3.1 引言 | 第27页 |
| 3.2 嵌入物品相似度约束的矩阵分解推荐算法(SI-GMF) | 第27-31页 |
| 3.2.1 模型构建 | 第27-29页 |
| 3.2.2 模型求解 | 第29-30页 |
| 3.2.3 由模型框架引出的三种算法 | 第30-31页 |
| 3.3 实验 | 第31-35页 |
| 3.3.1 实验数据和实验设置 | 第31-32页 |
| 3.3.2 实验结果与分析 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于图构建与偏置矩阵分解的推荐算法 | 第36-45页 |
| 4.1 引言 | 第36页 |
| 4.2 基于图构建与偏置矩阵分解的推荐算法(SO-GMF) | 第36-39页 |
| 4.2.1 模型构建 | 第36-37页 |
| 4.2.2 模型求解 | 第37-38页 |
| 4.2.3 由模型导出的三种算法 | 第38-39页 |
| 4.3 实验 | 第39-44页 |
| 4.3.1 实验数据和实验设置 | 第39页 |
| 4.3.2 实验结果与分析 | 第39-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 基于图构建与L1正则矩阵分解的推荐算法 | 第45-53页 |
| 5.1 引言 | 第45页 |
| 5.2 L1正则化矩阵分解模型 | 第45页 |
| 5.3 基于图构建与L1正则矩阵分解的推荐算法(SO-SGMF) | 第45-51页 |
| 5.3.1 模型构建 | 第45-46页 |
| 5.3.2 模型求解 | 第46-50页 |
| 5.3.3 SO-SGMF算法描述 | 第50-51页 |
| 5.4 实验 | 第51-52页 |
| 5.4.1 实验数据和实验设置 | 第51页 |
| 5.4.2 实验结果与分析 | 第51-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 工作总结 | 第53-54页 |
| 6.2 工作展望 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 附录 | 第61-62页 |
| 致谢 | 第62页 |
