| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-13页 |
| ·引言 | 第8-9页 |
| ·研究背景与意义 | 第9-11页 |
| ·本文内容安排 | 第11-13页 |
| 第2章 个性化推荐算法在影视推荐领域的技术与应用 | 第13-28页 |
| ·个性化推荐算法 | 第13-20页 |
| ·基于内容的推荐算法 | 第13-14页 |
| ·基于邻域的推荐算法 | 第14-16页 |
| ·基于图模型的推荐算法 | 第16-17页 |
| ·基于关联规则的推荐算法 | 第17-18页 |
| ·组合推荐算法 | 第18-19页 |
| ·个性化推荐算法小结 | 第19-20页 |
| ·个性化推荐算法在影视推荐领域的应用 | 第20-27页 |
| ·Netflix电影推荐引擎 | 第20-21页 |
| ·Hulu的个性化推荐引擎 | 第21-23页 |
| ·Jinni的个性化推荐引擎 | 第23页 |
| ·百度随心看推荐引擎 | 第23-26页 |
| ·推荐系统小结 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 隐语义模型推荐算法研究 | 第28-39页 |
| ·隐含语义分析技术与LFM模型 | 第28-30页 |
| ·LFM的基础算法 | 第30-33页 |
| ·加入相关偏执项后的Bias-LFM算法 | 第33-35页 |
| ·Bias-LFM模型的算法的优缺点 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 基于标签信息的隐语义模型推荐算法设计 | 第39-45页 |
| ·基于标签信息的改进Bias-LFM模型算法 | 第39-40页 |
| ·改进的Bias-LFM算法对推荐解释的改善 | 第40-43页 |
| ·改进的Bias-LFM算法对推荐结果实时性的改善 | 第43-44页 |
| ·本章总结 | 第44-45页 |
| 第5章 基于标签信息的隐语义模型推荐算法的实现与分析 | 第45-61页 |
| ·推荐系统算法的评测实验方法与指标 | 第45-48页 |
| ·推荐系统算法的评测实验的主要三种方法 | 第45-46页 |
| ·推荐系统算法的离线评测的相关指标 | 第46-48页 |
| ·基于标签信息的隐语义模型推荐算法离线实验与分析 | 第48-59页 |
| ·离线实验的实验环境与数据集的选择 | 第48-49页 |
| ·算法的实验的数据准备 | 第49页 |
| ·基于标签信息的隐语义模型推荐算法的推荐引擎 | 第49-50页 |
| ·算法的实现与分析比较 | 第50-57页 |
| ·算法的对推荐结果实时性以及推荐解释的影响 | 第57-59页 |
| ·本章小结 | 第59-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-66页 |