基于时序行为的推荐算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 研究内容及创新点 | 第12页 |
| 1.3 论文组织结构 | 第12-14页 |
| 第二章 相关理论及研究现状 | 第14-24页 |
| 2.1 相关理论 | 第14-20页 |
| 2.1.1 传统推荐算法介绍 | 第14-16页 |
| 2.1.2 随机游走算法介绍 | 第16-18页 |
| 2.1.3 往返时间核介绍 | 第18-20页 |
| 2.2 推荐算法相关研究 | 第20-24页 |
| 2.2.1 基于时序信息的推荐算法 | 第20-22页 |
| 2.2.2 基于项目类型信息的推荐算法 | 第22-23页 |
| 2.2.3 基于矩阵分解的推荐算法 | 第23-24页 |
| 第三章 用户兴趣变化规律分析 | 第24-35页 |
| 3.1 数据集介绍 | 第24-25页 |
| 3.2 用户兴趣分段规律提出 | 第25-27页 |
| 3.3 兴趣段相关定义 | 第27-29页 |
| 3.3.1 基本数据表示 | 第27页 |
| 3.3.2 类型组合空间定义 | 第27-29页 |
| 3.3.3 兴趣段定义 | 第29页 |
| 3.4 兴趣分段规律验证 | 第29-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于类型组合的推荐算法 | 第35-42页 |
| 4.1 类型组合距离定义 | 第35-37页 |
| 4.2 用户对类型组合喜好排名 | 第37-38页 |
| 4.2.1 基于兴趣段的类型组合转移矩阵计算 | 第37-38页 |
| 4.2.2 用户的类型组合喜好排名计算 | 第38页 |
| 4.3 基于用户影响程度的相似度计算 | 第38-39页 |
| 4.4 基于类型喜好的用户特征矩阵计算 | 第39-40页 |
| 4.5 矩阵分解评分预测 | 第40-41页 |
| 4.6 本章小结 | 第41-42页 |
| 第五章 类型组合转移矩阵改进及实验 | 第42-53页 |
| 5.1 基于往返时间的类型组合转移矩阵 | 第42-44页 |
| 5.2 实验 | 第44-52页 |
| 5.2.1 评价标准 | 第44-45页 |
| 5.2.2 参数选取 | 第45-49页 |
| 5.2.3 对比实验 | 第49-51页 |
| 5.2.4 缓解稀疏性实验 | 第51-52页 |
| 5.3 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页 |
| 6.2 工作展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 发表论文与参与科研项目情况 | 第60页 |
