| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第10-12页 |
| 第二章 相关工作 | 第12-18页 |
| 2.1 推荐系统 | 第12-15页 |
| 2.1.1 协同推荐 | 第12-14页 |
| 2.1.2 基于内容的推荐 | 第14页 |
| 2.1.3 低秩矩阵分解与隐式特征模型 | 第14-15页 |
| 2.2 文本信息的处理 | 第15-18页 |
| 第三章 用户特征增强的GTRT模型 | 第18-46页 |
| 3.1 引言 | 第18页 |
| 3.2 先验知识 | 第18-21页 |
| 3.2.1 低秩矩阵分解与隐式特征模型 | 第19-21页 |
| 3.3 文本主题的分析与预处理 | 第21-26页 |
| 3.3.1 Latent Dirichlet Allocation | 第22-24页 |
| 3.3.2 文档的预处理 | 第24-26页 |
| 3.4 GTM模型 | 第26-30页 |
| 3.4.1 模型推导与参数学习 | 第27-30页 |
| 3.5 RTM模型 | 第30-33页 |
| 3.5.1 模型推导与参数学习 | 第30-31页 |
| 3.5.2 用户的相似度 | 第31-33页 |
| 3.6 GTRT模型 | 第33-34页 |
| 3.7 实验与数据分析 | 第34-46页 |
| 3.7.1 实验相关配置 | 第34-37页 |
| 3.7.2 实验结果 | 第37-46页 |
| 第四章 物品特征增强的mGTRT模型 | 第46-54页 |
| 4.1 引言 | 第46-47页 |
| 4.2 文本情感的分析与预处理 | 第47-48页 |
| 4.3 mGTRT模型 | 第48-50页 |
| 4.3.1 模型推导与参数学习 | 第49-50页 |
| 4.4 实验与数据分析 | 第50-54页 |
| 4.4.1 实验相关配置 | 第50-51页 |
| 4.4.2 实验结果 | 第51-54页 |
| 第五章 系统实现 | 第54-60页 |
| 5.1 系统介绍 | 第54-56页 |
| 5.1.1 数据来源 | 第54页 |
| 5.1.2 系统框架 | 第54-56页 |
| 5.2 系统演示 | 第56-60页 |
| 5.2.1 首页 | 第56-57页 |
| 5.2.2 所有应用页面,推荐应用页面 | 第57页 |
| 5.2.3 应用详细信息页面 | 第57-58页 |
| 5.2.4 添加评论页面 | 第58-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 简历与科研成果 | 第68-70页 |
| 致谢 | 第70-71页 |