首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于用户近邻的上下文张量分解推荐算法

摘要第4-6页
Abstract第6-7页
第1章 绪论第11-18页
    1.1 研究背景和意义第11-12页
    1.2 国内外研究现状第12-15页
        1.2.1 国外研究现状第12-14页
        1.2.2 国内研究现状第14-15页
    1.3 本文的研究内容第15-16页
    1.4 本文的组织结构第16-18页
第2章 个性化推荐系统及相关技术第18-28页
    2.1 个性化推荐系统第18-19页
    2.2 个性化推荐算法分类第19-24页
        2.2.1 基于内容推荐算法第19-20页
        2.2.2 协同过滤推荐算法第20-22页
        2.2.3 基于图的推荐算法第22-23页
        2.2.4 上下文感知推荐第23页
        2.2.5 混合推荐算法第23-24页
    2.3 推荐系统的应用第24-26页
    2.4 推荐系统的评价指标第26-27页
    2.5 本章小结第27-28页
第3章 矩阵分解算法研究与改进第28-40页
    3.1 传统的SVD分解算法第28-29页
        3.1.1 SVD算法原理第28-29页
        3.1.2 SVD算法优缺点第29页
    3.2 隐语义模型第29-32页
        3.2.1 梯度下降法第30页
        3.2.2 隐语义模型原理第30-31页
        3.2.3 隐语义模型优缺点第31-32页
    3.3 SVD++算法第32页
    3.4 融合社交信息改进隐语义模型第32-35页
        3.4.1 算法原理第32-34页
        3.4.2 算法描述第34-35页
    3.5 实验与分析第35-39页
        3.5.1 实验数据第35-37页
        3.5.2 实验结果分析第37-39页
    3.6 本章小结第39-40页
第4章 融合用户近邻信息的N维张量分解算法第40-52页
    4.1 上下文感知信息第40-41页
    4.2 张量第41页
    4.3 张量分解法第41-43页
        4.3.1 CP分解模型第42页
        4.3.2 Tucker模型第42-43页
    4.4 融合上下文感知的N维张量分解算法第43-45页
    4.5 利用用户近邻信息优化张量分解第45-48页
    4.6 实验与分析第48-51页
        4.6.1 实验数据第48页
        4.6.2 实验结果分析第48-51页
    4.7 本章小结第51-52页
第5章 基于个性化推荐的电商系统的设计与实现第52-72页
    5.1 系统使用技术第52-53页
        5.1.1 系统体系结构第52页
        5.1.2 开发语言第52页
        5.1.3 数据库第52-53页
        5.1.4 其它技术第53页
    5.2 系统架构设计第53-58页
        5.2.1 系统功能分析第53-54页
        5.2.2 外围体系结构第54页
        5.2.3 整体详细架构第54-56页
        5.2.4 推荐引擎设计第56-57页
        5.2.5 应用场景处理流程第57-58页
    5.3 推荐算法设计第58-64页
        5.3.1 商品相似度计算方法第58-60页
        5.3.2 文章帖子推荐第60页
        5.3.3“看了又看”推荐算法第60-62页
        5.3.4“猜你喜欢”推荐算法第62页
        5.3.5“依据用户浏览历史”推荐第62-63页
        5.3.6“搭配推荐”算法第63页
        5.3.7 冷启动问题解决第63-64页
    5.4 代码第64-69页
        5.4.1 类图第64-66页
        5.4.2 主要代码第66-68页
        5.4.3 推荐算法接口设计第68-69页
    5.5 系统实现效果第69-71页
    5.6 本章小结第71-72页
第6章 总结与展望第72-74页
    6.1 总结第72-73页
    6.2 展望第73-74页
参考文献第74-78页
致谢第78-79页
攻读硕士期间发表的论文第79页

论文共79页,点击 下载论文
上一篇:高校师资队伍建设与管理研究--以新疆N大学为例
下一篇:基于大数据的城市排污监管系统的研究与实现