基于概率矩阵分解的社会化推荐算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 算法索引 | 第12-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景和选题意义 | 第13-15页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 选题意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 本文研究内容 | 第17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第二章 个性化推荐系统的相关知识 | 第19-39页 |
| 2.1 推荐系统简介 | 第19-20页 |
| 2.2 推荐算法 | 第20-30页 |
| 2.2.1 基于内容的推荐算法 | 第21-24页 |
| 2.2.2 基于协同过滤的推荐算法 | 第24-30页 |
| 2.2.3 混合推荐模型 | 第30页 |
| 2.3 社会化网络中的推荐 | 第30-37页 |
| 2.3.1 社交网络简介 | 第30-31页 |
| 2.3.2 社会化推荐简介 | 第31-32页 |
| 2.3.3 社会化推荐算法 | 第32-37页 |
| 2.4 本章小结 | 第37-39页 |
| 第三章 基于主题的朋友过滤概率矩阵分解算法 | 第39-61页 |
| 3.1 社会化推荐中存在的问题 | 第39-41页 |
| 3.2 问题形式化定义 | 第41-42页 |
| 3.3 基于主题模型的社交关系分割 | 第42-47页 |
| 3.3.1 PLSA主题模型 | 第42-44页 |
| 3.3.2 模型训练伪代码 | 第44-45页 |
| 3.3.3 基于主题的社交关系网络分割 | 第45-47页 |
| 3.4 TFR-PMF模型 | 第47-52页 |
| 3.4.1 主题内部的推荐模型训练 | 第47-48页 |
| 3.4.2 主题内模型训练伪代码 | 第48-49页 |
| 3.4.3 最终评分的获取 | 第49-52页 |
| 3.5 实验设计与分析 | 第52-59页 |
| 3.5.1 推荐系统实验方法 | 第52页 |
| 3.5.2 推荐系统评价标准 | 第52-53页 |
| 3.5.3 实验设计 | 第53-59页 |
| 3.5.3.1 实验数据 | 第53-54页 |
| 3.5.3.2 实验环境 | 第54页 |
| 3.5.3.3 对比算法 | 第54-55页 |
| 3.5.3.4 实验结果 | 第55-59页 |
| 3.6 本章小结 | 第59-61页 |
| 第四章 基于用户主题聚类的社会化推荐算法 | 第61-75页 |
| 4.1 引言 | 第61-62页 |
| 4.2 基于用户主题聚类的社会化推荐算法 | 第62-69页 |
| 4.2.1 用户兴趣主题的挖掘 | 第62-63页 |
| 4.2.2 相似用户的筛选 | 第63-66页 |
| 4.2.3 稀疏用户的社会化推荐 | 第66-69页 |
| 4.3 实验设计 | 第69-73页 |
| 4.3.1 对比实验算法 | 第69页 |
| 4.3.2 实验数据与环境 | 第69-70页 |
| 4.3.3 实验结果与分析 | 第70-73页 |
| 4.4 本章小结 | 第73-75页 |
| 第五章 总结和展望 | 第75-77页 |
| 5.1 论文工作总结 | 第75页 |
| 5.2 未来研究展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 研究生期间已发表的学术论文 | 第83页 |
