机器学习中隐式因子模型及其优化算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题研究背景 | 第9-11页 |
| 1.2 研究的目的和意义 | 第11-13页 |
| 1.3 国内外研究现状 | 第13-16页 |
| 1.3.1 因子分解模型及其相关理论的发展概况 | 第13-14页 |
| 1.3.2 层级因子模型及其相关理论的发展概况 | 第14-16页 |
| 1.4 本文的主要研究内容及组织结构 | 第16-18页 |
| 第2章 机器学习中的隐式因子模型 | 第18-25页 |
| 2.1 隐式因子模型简介 | 第18-19页 |
| 2.2 经典的隐式因子模型 | 第19-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 因子分解模型及其优化方法研究 | 第25-45页 |
| 3.1 因子分解模型简介 | 第25页 |
| 3.2 并向量类数据因子分解模型及其优化 | 第25-37页 |
| 3.2.1 并向量类数据与矩阵填充 | 第26-29页 |
| 3.2.2 并向量间因子分解模型 | 第29-37页 |
| 3.3 特征关系因子分解模型及其优化 | 第37-43页 |
| 3.3.1 有监督学习与特征工程 | 第38-39页 |
| 3.3.2 特征间因子分解模型 | 第39-43页 |
| 3.4 基于特征的因子分解模型及其应用 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 层级因子模型及其优化方法研究 | 第45-56页 |
| 4.1 层级因子模型简介 | 第45页 |
| 4.2 有监督层级因子模型 | 第45-49页 |
| 4.2.1 神经网络的结构、模型和训练 | 第46-48页 |
| 4.2.2 卷积多层神经网络 | 第48-49页 |
| 4.3 判别型层级因子模型及其优化算法 | 第49-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 实验结果及分析 | 第56-65页 |
| 5.1 实验数据与环境 | 第56-57页 |
| 5.1.1 实验数据集及统计信息 | 第56-57页 |
| 5.1.2 实验软硬件环境 | 第57页 |
| 5.2 模型实验结果 | 第57-64页 |
| 5.2.1 评价指标 | 第57-58页 |
| 5.2.2 实验结果 | 第58-64页 |
| 5.3 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第72-74页 |
| 致谢 | 第74页 |
