基于排序的个性化推荐系统关键问题研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 符号说明 | 第8-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 基于评分的推荐模型 | 第10-11页 |
| 1.2.2 文本建模技术 | 第11页 |
| 1.2.3 评分模型与文本模型的融合技术 | 第11-12页 |
| 1.3 论文的研究内容和意义 | 第12-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 第二章 个性化推荐中的关键技术 | 第15-29页 |
| 2.1 基于评分的推荐算法 | 第15-16页 |
| 2.1.1 基于矩阵分解的模型 | 第15-16页 |
| 2.1.2 带有偏移量的学习模型 | 第16页 |
| 2.2 学习排序算法 | 第16-18页 |
| 2.3 参数学习方法 | 第18-21页 |
| 2.3.1 梯度下降法与随机梯度下降法 | 第18-19页 |
| 2.3.2 牛顿法与拟牛顿法 | 第19-21页 |
| 2.4 文本建模算法 | 第21-27页 |
| 2.4.1 布尔模型 | 第21页 |
| 2.4.2 向量空间模型 | 第21-22页 |
| 2.4.3 主题模型 | 第22-24页 |
| 2.4.4 词向量与神经网络模型 | 第24-27页 |
| 2.5 模型融合方法 | 第27-29页 |
| 第三章 基于排序的推荐算法 | 第29-37页 |
| 3.1 基于排序的个性化推荐模型 | 第29-31页 |
| 3.2 基于排序模型的改进 | 第31-33页 |
| 3.2.1 零样本采样 | 第31-32页 |
| 3.2.2 基于权重的采样学习策略 | 第32-33页 |
| 3.3 评分预测模型与排序模型对比实验 | 第33-36页 |
| 3.3.1 实验设计 | 第33页 |
| 3.3.2 性能指标 | 第33-34页 |
| 3.3.3 实验结果与分析 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 评论文本信息挖掘 | 第37-45页 |
| 4.1 基于LDA的评论文本建模 | 第37-38页 |
| 4.1.1 LDA方法对评论文本建模 | 第37页 |
| 4.1.2 实验结果与分析 | 第37-38页 |
| 4.2 基于词向量的评论文本建模 | 第38-40页 |
| 4.2.1 词向量方法对评论文本建模 | 第38-39页 |
| 4.2.2 实验结果与分析 | 第39-40页 |
| 4.3 文本建模结果对比 | 第40-43页 |
| 4.3.1 建模结果对比 | 第41页 |
| 4.3.2 结合评分的系统效果对比 | 第41-43页 |
| 4.4 基于词向量的文本建模方法的改进 | 第43-44页 |
| 4.4.1 扩展属性词词性 | 第43页 |
| 4.4.2 调整主题维度 | 第43-44页 |
| 4.4.3 扩展词向量维度 | 第44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 基于排序的个性化推荐系统 | 第45-51页 |
| 5.1 推荐系统评分模型 | 第45页 |
| 5.2 推荐系统评论模型 | 第45-46页 |
| 5.3 评分模型与文本模型的融合 | 第46-47页 |
| 5.4 系统实验对比 | 第47-49页 |
| 5.4.1 实验设计 | 第47页 |
| 5.4.2 结果分析与对比 | 第47-49页 |
| 5.5 本章小结 | 第49-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-59页 |
| 作者攻读学位期间发表的学术论文目录 | 第59页 |
