| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 课题研究现状 | 第10-11页 |
| 1.3 本文的主要工作 | 第11-12页 |
| 1.4 本文的组织结构 | 第12-14页 |
| 第二章 个性化推荐相关理论及技术 | 第14-29页 |
| 2.1 个性化推荐系统的架构 | 第14-17页 |
| 2.1.1 日志采集与存储 | 第14-15页 |
| 2.1.2 推荐引擎架构 | 第15-17页 |
| 2.2 推荐系统的评测 | 第17-20页 |
| 2.2.1 推荐系统的实验方法 | 第17-18页 |
| 2.2.2 推荐系统的测评指标 | 第18-20页 |
| 2.3 相关推荐算法 | 第20-26页 |
| 2.3.1 基于内容的推荐算法 | 第20-21页 |
| 2.3.2 协同过滤推荐 | 第21-26页 |
| 2.4 机器学习 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于隐含语义模型 LFM 的推荐 | 第29-42页 |
| 3.1 引言 | 第29-30页 |
| 3.2 随机梯度下降法 | 第30-31页 |
| 3.3 隐含语义模型 LFM 分析 | 第31-35页 |
| 3.3.1 基于奇异值分解的 LFM | 第31-33页 |
| 3.3.2 结合隐性反馈数据的 LFM | 第33-35页 |
| 3.4 结合电子商务购物场景改进 LFM | 第35-38页 |
| 3.5 实验结果及分析 | 第38-41页 |
| 3.5.1 实验环境和数据集介绍 | 第38-39页 |
| 3.5.2 RMSE 测评 | 第39-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 基于人工神经网络融合 LDA 和改进的 LFM | 第42-55页 |
| 4.1 引言 | 第42页 |
| 4.2 隐含狄利克雷分布 | 第42-47页 |
| 4.2.1 基于隐含狄利克雷分布的推荐算法 | 第43-46页 |
| 4.2.2 吉布斯采样 | 第46-47页 |
| 4.3 基于 BP 网络融合 LDA 和改进的 LFM | 第47-52页 |
| 4.3.1 人工神经网络 | 第47-49页 |
| 4.3.2 BP 网络融合 | 第49-50页 |
| 4.3.3 BP 网络学习算法 | 第50-52页 |
| 4.4 实验结果分析 | 第52-54页 |
| 4.4.1 RMSE 测评 | 第52-53页 |
| 4.4.2 Top N 测评 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-56页 |
| 5.1 本文研究工作总结 | 第55页 |
| 5.2 后期工作及展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60-61页 |
| 详细摘要 | 第61-62页 |