上下文感知推荐
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-9页 |
| 表格索引 | 第9-10页 |
| 插图索引 | 第10-11页 |
| 主要符号对照表 | 第11-12页 |
| 第一章 绪论 | 第12-16页 |
| ·研究背景 | 第12-14页 |
| ·推荐系统 | 第12页 |
| ·上下文感知推荐 | 第12-13页 |
| ·推荐系统冷启动 | 第13-14页 |
| ·迁移学习 | 第14页 |
| ·本文贡献 | 第14-15页 |
| ·上下文感知的电影推荐 | 第14页 |
| ·迁移学习上下文信息解决冷启动 | 第14-15页 |
| ·本文布局 | 第15页 |
| ·本章小结 | 第15-16页 |
| 第二章 国内外研究现状 | 第16-20页 |
| ·推荐系统技术 | 第16-17页 |
| ·上下文感知推荐系统 | 第17页 |
| ·推荐系统冷启动问题 | 第17-18页 |
| ·迁移学习 | 第18页 |
| ·本章小结 | 第18-20页 |
| 第三章 推荐技术 | 第20-30页 |
| ·问题定义 | 第20页 |
| ·近邻模型 | 第20-21页 |
| ·矩阵分解 | 第21-24页 |
| ·基本矩阵分解模型 | 第22-23页 |
| ·学习算法 | 第23-24页 |
| ·基于排序的协同过滤 | 第24-26页 |
| ·单类协同过滤 | 第26-28页 |
| ·本章小结 | 第28-30页 |
| 第四章 上下文感知的家庭推荐 | 第30-42页 |
| ·基于特征的矩阵分解 | 第30-33页 |
| ·近邻信息 | 第31-32页 |
| ·隐式反馈 | 第32页 |
| ·用户 -家庭关系 | 第32-33页 |
| ·家庭推荐 | 第33-34页 |
| ·面向用户的方法 | 第33页 |
| ·面向家庭的方法 | 第33-34页 |
| ·实验和评测 | 第34-40页 |
| ·数据集 | 第35页 |
| ·评测指标 | 第35-36页 |
| ·性能比较 | 第36-37页 |
| ·采样参数分析 | 第37-38页 |
| ·家庭推荐方法比较 | 第38-40页 |
| ·本章小结 | 第40-42页 |
| 第五章 迁移学习上下文信息 | 第42-48页 |
| ·融入上下文信息的矩阵分解 | 第42-43页 |
| ·迁移上下文信息模式解决新系统推荐问题 | 第43页 |
| ·实验和评测 | 第43-46页 |
| ·数据集 | 第43-44页 |
| ·实验设置 | 第44页 |
| ·对比方法 | 第44页 |
| ·实验结果 | 第44-46页 |
| ·未来工作展望 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 全文总结 | 第48-50页 |
| 参考文献 | 第50-56页 |
| 致谢 | 第56-58页 |
| 攻读学位期间发表的学术论文目录 | 第58-60页 |
