基于多样化内容数据的个性化推荐系统
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第17-23页 |
| 1.1 本文研究内容与贡献 | 第19-22页 |
| 1.2 本文内容结构 | 第22-23页 |
| 第2章 跨域推荐模型 | 第23-41页 |
| 2.1 引言 | 第23-25页 |
| 2.2 相关工作 | 第25-27页 |
| 2.2.1 单域推荐系统 | 第25-26页 |
| 2.2.2 跨域推荐系统 | 第26-27页 |
| 2.3 问题定义 | 第27-28页 |
| 2.4 数据集和评测指标 | 第28-30页 |
| 2.5 基于概率偏好模型的跨域推荐 | 第30-32页 |
| 2.6 多视角神经网络CCCFNet | 第32-35页 |
| 2.6.1 实验设置 | 第34页 |
| 2.6.2 实验结果 | 第34-35页 |
| 2.7 多元化跨域模型MCDRS | 第35-40页 |
| 2.7.1 实验设置 | 第37-38页 |
| 2.7.2 实验结果 | 第38-40页 |
| 2.8 本章小结 | 第40-41页 |
| 第3章 基于特征工程的信息提取 | 第41-55页 |
| 3.1 职位推荐系统中的特征工程 | 第41-47页 |
| 3.1.1 问题描述 | 第42页 |
| 3.1.2 评估指标 | 第42-43页 |
| 3.1.3 负样本的选取 | 第43-44页 |
| 3.1.4 特征集的构建和评测 | 第44-47页 |
| 3.2 面向餐馆数据的特征工程 | 第47-53页 |
| 3.2.1 数据分析 | 第48页 |
| 3.2.2 地理位置特征 | 第48-50页 |
| 3.2.3 用户移动行为特征 | 第50-51页 |
| 3.2.4 用户评论特征 | 第51-52页 |
| 3.2.5 特征评估 | 第52-53页 |
| 3.3 本章小结 | 第53-55页 |
| 第4章 面向多源异构数据的深度融合模型 | 第55-72页 |
| 4.1 引言 | 第55-57页 |
| 4.2 相关工作 | 第57-59页 |
| 4.3 深度融合模型 | 第59-64页 |
| 4.3.1 多通道植入网络 | 第59-61页 |
| 4.3.2 选择性融合模型 | 第61-62页 |
| 4.3.3 物品召回 | 第62-63页 |
| 4.3.4 物品精排序 | 第63-64页 |
| 4.4 实验评测 | 第64-70页 |
| 4.4.1 作用在召回层的实验评测 | 第65-67页 |
| 4.4.2 作用在精排序中的实验评测 | 第67页 |
| 4.4.3 模型准确度比较 | 第67-68页 |
| 4.4.4 参数敏感性分析 | 第68-70页 |
| 4.5 本章小结 | 第70-72页 |
| 第5章 推荐系统中的组合特征学习 | 第72-94页 |
| 5.1 引言 | 第72-74页 |
| 5.2 相关工作 | 第74-76页 |
| 5.2.1 经典推荐系统 | 第74-75页 |
| 5.2.2 深度推荐系统 | 第75-76页 |
| 5.3 基础知识 | 第76-79页 |
| 5.3.1 特征嵌入层 | 第76-77页 |
| 5.3.2 隐式高阶特征交互 | 第77-78页 |
| 5.3.3 显式高阶特征交互 | 第78-79页 |
| 5.4 极深因子分解机 | 第79-85页 |
| 5.4.1 压缩交互网络 | 第79-82页 |
| 5.4.2 CIN的理论分析 | 第82-85页 |
| 5.4.3 隐式交互和显式交互的结合 | 第85页 |
| 5.5 实验评测 | 第85-93页 |
| 5.5.1 实验数据 | 第86-87页 |
| 5.5.2 评测指标 | 第87-88页 |
| 5.5.3 基准方法 | 第88页 |
| 5.5.4 参数和环境设置 | 第88页 |
| 5.5.5 不同模型单元的效果对比(Q1) | 第88-89页 |
| 5.5.6 各集成模型的效果评测(Q2) | 第89-91页 |
| 5.5.7 超参数探索(Q3) | 第91-93页 |
| 5.6 本章小结 | 第93-94页 |
| 第6章 总结 | 第94-97页 |
| 参考文献 | 第97-105页 |
| 致谢 | 第105-107页 |
| 在读期间发表的学术论文与取得的研究成果 | 第107-108页 |
