基于信息融合的推荐算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 推荐算法相关活动及组织 | 第12-13页 |
| 1.4 本文工作 | 第13-14页 |
| 1.5 本文结构 | 第14-16页 |
| 2 推荐系统相关技术 | 第16-25页 |
| 2.1 基本概念 | 第16页 |
| 2.2 推荐算法分类及相关技术 | 第16-21页 |
| 2.2.1 基于内容的推荐 | 第17-18页 |
| 2.2.2 协同过滤 | 第18-21页 |
| 2.3 推荐算法评价标准 | 第21-23页 |
| 2.3.1 覆盖率 | 第21-22页 |
| 2.3.2 准确率 | 第22页 |
| 2.3.3 多样性 | 第22-23页 |
| 2.3.4 新颖性 | 第23页 |
| 2.4 推荐算法新方向 | 第23-25页 |
| 3 基于混合语义融合的音乐推荐算法 | 第25-36页 |
| 3.1 语义空间定义 | 第25-26页 |
| 3.1.1 音乐流派空间 | 第25页 |
| 3.1.2 音乐情感空间 | 第25-26页 |
| 3.1.3 音乐上下文信息空间 | 第26页 |
| 3.2 融合方法理论基础 | 第26-27页 |
| 3.2.1 支持向量机 | 第26-27页 |
| 3.2.2 逻辑斯蒂判别式 | 第27页 |
| 3.3 基于标签混合语义空间的音乐推荐 | 第27-32页 |
| 3.3.1 音乐项目和用户文件表示 | 第27页 |
| 3.3.2 流派相似度计算 | 第27-30页 |
| 3.3.3 情感相似度计算 | 第30-31页 |
| 3.3.4 上下文信息相似度计算 | 第31-32页 |
| 3.3.5 相似度融合 | 第32页 |
| 3.4 实验结果与分析 | 第32-35页 |
| 3.4.1 语料来源 | 第32-33页 |
| 3.4.2 评价标准 | 第33页 |
| 3.4.3 实验结果及分析 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 多信息融合的电影评分预测算法 | 第36-49页 |
| 4.1 语料预处理及基础模型介绍 | 第36-39页 |
| 4.1.1 标签推荐 | 第36页 |
| 4.1.2 隐语义模型 | 第36-38页 |
| 4.1.3 评分相似度 | 第38-39页 |
| 4.2 融合单信息的隐语义模型 | 第39-42页 |
| 4.2.1 融合社交信息的隐语义模型 | 第39页 |
| 4.2.2 融合用户历史的隐语义模型 | 第39-40页 |
| 4.2.3 融合电影标签的隐语义模型 | 第40-41页 |
| 4.2.4 参数训练 | 第41-42页 |
| 4.3 融合多信息的隐语义模型 | 第42页 |
| 4.4 实验结果与分析 | 第42-48页 |
| 4.4.1 语料来源 | 第42-44页 |
| 4.4.2 评价标准 | 第44页 |
| 4.4.3 实验结果及分析 | 第44-46页 |
| 4.4.4 模型参数分析 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 攻读硕士学位期间发表学术论文情况 | 第56-57页 |
| 致谢 | 第57-58页 |
