多通路主题模型和双矩阵分解推荐算法
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 引言 | 第11-23页 |
| ·研究背景与意义 | 第11-14页 |
| ·多通路主题模型研究背景与意义 | 第11-13页 |
| ·推荐算法研究背景与意义 | 第13-14页 |
| ·研究现状 | 第14-20页 |
| ·多通路主题模型研究现状 | 第14-17页 |
| ·推荐算法研究现状 | 第17-20页 |
| ·研究内容 | 第20-21页 |
| ·多通路主题模型研究内容 | 第20-21页 |
| ·推荐算法研究内容 | 第21页 |
| ·本文的组织结构 | 第21-23页 |
| 第二章 主题模型及矩阵分解算法介绍 | 第23-36页 |
| ·基于内容的主题模型 | 第23-28页 |
| ·LDA概述 | 第24-26页 |
| ·LDA的置信度传播推断算法 | 第26-28页 |
| ·单通路主题模型概述 | 第28-31页 |
| ·作者主题模型 | 第28-30页 |
| ·关系主题模型 | 第30-31页 |
| ·多通路主题模型概述 | 第31-32页 |
| ·矩阵分解算法介绍 | 第32-35页 |
| ·概率矩阵分解模型 | 第32-33页 |
| ·协同主题回归模型 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 多通路主题模型及多通路置信度传播算法 | 第36-50页 |
| ·多通路主题模型的因子图表示 | 第36-38页 |
| ·多通路置信度传播算法 | 第38-41页 |
| ·学习链接权重 | 第41-43页 |
| ·实验结果及分析 | 第43-49页 |
| ·主题建模分析 | 第43-44页 |
| ·文本聚类 | 第44-46页 |
| ·链接预测 | 第46-47页 |
| ·链接权重的分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 基于双矩阵分解的推荐算法 | 第50-57页 |
| ·双矩阵分解的推荐算法 | 第51-54页 |
| ·DMF模型表示 | 第51-52页 |
| ·参数估计 | 第52-53页 |
| ·模型预测 | 第53-54页 |
| ·实验结果及分析 | 第54-55页 |
| ·内矩阵估计 | 第54页 |
| ·外矩阵估计 | 第54-55页 |
| ·实验结果比较 | 第55页 |
| ·本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-60页 |
| ·多通路主题模型总结与展望 | 第57-58页 |
| ·双矩阵分解推荐算法总结与展望 | 第58-60页 |
| 参考文献 | 第60-67页 |
| 发表文章目录及科研项目 | 第67-68页 |
| 致谢 | 第68-70页 |
