基于深度多重矩阵分解的推荐系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 课题背景 | 第11-13页 |
| 1.2 国内外研究现状和研究意义 | 第13-20页 |
| 1.2.1 推荐系统与Netfix | 第13-15页 |
| 1.2.2 推荐系统研究现状 | 第15-16页 |
| 1.2.3 深度学习及TensorFlow | 第16-20页 |
| 1.3 本论文研究工作 | 第20页 |
| 1.4 本论文章节安排 | 第20-23页 |
| 第二章 基本理论 | 第23-39页 |
| 2.1 问题陈述 | 第23页 |
| 2.2 邻域模型 | 第23-28页 |
| 2.2.1 传统的kNN模型 | 第24-26页 |
| 2.2.2 邻域关系模型 | 第26-28页 |
| 2.3 受限玻尔兹曼机 | 第28-33页 |
| 2.3.1 受限玻尔兹曼机 | 第28-31页 |
| 2.3.2 条件受限玻尔兹曼机 | 第31-32页 |
| 2.3.3 时间受限玻尔兹曼机 | 第32-33页 |
| 2.4 矩阵分解 | 第33-37页 |
| 2.4.1 矩阵分解 | 第34-35页 |
| 2.4.2 偏置矩阵分解 | 第35-36页 |
| 2.4.3 概率矩阵分解 | 第36-37页 |
| 2.5 评价指标 | 第37-38页 |
| 2.5.1 均方误差 | 第37页 |
| 2.5.2 命中率 | 第37-38页 |
| 2.5.3 NDCG | 第38页 |
| 2.6 本章小结 | 第38-39页 |
| 第三章 基于深度多重矩阵分解的算法 | 第39-65页 |
| 3.1 深度结构语义模型 | 第39-40页 |
| 3.2 深度多重矩阵分解 | 第40-43页 |
| 3.3 损失函数 | 第43-45页 |
| 3.4 训练 | 第45-47页 |
| 3.5 实验结果 | 第47-60页 |
| 3.5.1 实验设置 | 第48-49页 |
| 3.5.2 性能比较 | 第49-53页 |
| 3.5.3 超参数敏感性 | 第53-60页 |
| 3.6 分布式实现 | 第60-65页 |
| 第四章 结论和进一步工作 | 第65-67页 |
| 4.1 论文的创新点 | 第65-66页 |
| 4.2 存在的问题和进一步工作 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 攻读硕士学位期间发表的论文 | 第73-75页 |
| 致谢 | 第75-76页 |
