| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究现状 | 第12-16页 |
| 1.2.1 协同过滤推荐技术 | 第12-14页 |
| 1.2.2 迁移学习推荐技术 | 第14-15页 |
| 1.2.3 迁移协同过滤技术 | 第15-16页 |
| 1.3 研究工作 | 第16-17页 |
| 1.3.1 基于评分一致性约束的跨域迁移学习推荐算法 | 第16页 |
| 1.3.2 基于评分局部结构相似性的跨域迁移学习推荐算法 | 第16-17页 |
| 1.4 论文结构 | 第17页 |
| 1.5 本章小结 | 第17-19页 |
| 第二章 相关概念及技术介绍 | 第19-29页 |
| 2.1 矩阵分解算法 | 第19-21页 |
| 2.1.1 概率矩阵分解模型 | 第19-20页 |
| 2.1.2 正交矩阵三分解模型 | 第20-21页 |
| 2.2 跨域迁移学习算法 | 第21-27页 |
| 2.2.1 现有跨域迁移协同过滤技术简述 | 第21页 |
| 2.2.2 单领域迁移协同过滤算法 | 第21-24页 |
| 2.2.3 多领域迁移学习推荐算法 | 第24-27页 |
| 2.3 本章小结 | 第27-29页 |
| 第三章 基于评分一致性约束的跨域迁移学习推荐算法 | 第29-45页 |
| 3.1 引言 | 第29-30页 |
| 3.2 基于评分一致性约束的跨域迁移学习推荐算法 | 第30-35页 |
| 3.2.1 问题描述 | 第30页 |
| 3.2.2 基于评分一致性的约束项设计 | 第30-31页 |
| 3.2.3 基于评分一致性的跨域迁移学习推荐算法模型 | 第31-32页 |
| 3.2.4 基于评分一致性的跨域迁移学习推荐算法学习 | 第32-34页 |
| 3.2.5 算法的收敛性分析 | 第34-35页 |
| 3.3 实验设计和实现 | 第35-44页 |
| 3.3.1 实验数据集 | 第35-36页 |
| 3.3.2 实验设置 | 第36-38页 |
| 3.3.3 有效性验证实验 | 第38-41页 |
| 3.3.4 稀疏数据下的对比实验 | 第41-42页 |
| 3.3.5 参数调优实验 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于评分局部结构相似性的跨域迁移学习推荐算法 | 第45-59页 |
| 4.1 引言 | 第45-46页 |
| 4.2 基于评分局部结构相似性的跨域迁移学习推荐算法 | 第46-50页 |
| 4.2.1 问题描述 | 第46-47页 |
| 4.2.2 算法设计和实现 | 第47-49页 |
| 4.2.3 时间复杂度分析 | 第49-50页 |
| 4.3 实验设计与实现 | 第50-57页 |
| 4.3.1 实验数据集 | 第50-51页 |
| 4.3.2 实验设置 | 第51-52页 |
| 4.3.3 有效性验证实验 | 第52-54页 |
| 4.3.4 不相关领域迁移协同过滤实验 | 第54-55页 |
| 4.3.5 多领域迁移学习的影响实验 | 第55-57页 |
| 4.3.6 参数调优实验 | 第57页 |
| 4.4 本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 工作总结 | 第59-60页 |
| 5.2 下一步工作展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间取得的研究成果 | 第66页 |
