基于用户信任影响力的社会化推荐算法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 背景与意义 | 第12-13页 |
| 1.2 国内外文献分析 | 第13-15页 |
| 1.3 主要研究内容及创新点 | 第15-16页 |
| 1.4 本文结构及内容组织 | 第16-18页 |
| 第二章 社会化推荐相关概念 | 第18-26页 |
| 2.1 问题描述 | 第18-20页 |
| 2.2 评估标准 | 第20-21页 |
| 2.3 协同过滤推荐算法 | 第21-23页 |
| 2.3.1 基于用户的协同过滤算法 | 第21-22页 |
| 2.3.2 基于物品的协同过滤算法 | 第22-23页 |
| 2.4 评分偏置处理 | 第23-24页 |
| 2.5 推荐通算法库LibRec | 第24-26页 |
| 第三章 矩阵分解与模型推导 | 第26-36页 |
| 3.1 矩阵分解算法 | 第26-28页 |
| 3.2 矩阵分解与社会化推荐 | 第28-29页 |
| 3.3 SocialMF模型推导 | 第29-32页 |
| 3.4 ItemMF算法推导 | 第32-34页 |
| 3.5 本章小结 | 第34-36页 |
| 第四章 基于用户信任影响力的推荐算法 | 第36-44页 |
| 4.1 问题分析 | 第36页 |
| 4.2 模型设计 | 第36-40页 |
| 4.3 算法复杂度分析 | 第40-41页 |
| 4.4 模型训练方法 | 第41-44页 |
| 4.4.1 用户信任影响力求解 | 第41页 |
| 4.4.2 分布算法实现 | 第41-43页 |
| 4.4.3 最优化求解 | 第43-44页 |
| 第五章 实验设计与结果分析 | 第44-52页 |
| 5.1 数据集描述 | 第44-45页 |
| 5.2 选择及评估标准 | 第45页 |
| 5.3 对比算法 | 第45-46页 |
| 5.4 超参数对结果的影响 | 第46-47页 |
| 5.5 结果分析 | 第47-48页 |
| 5.6 冷启用户和物品的性能分析 | 第48-49页 |
| 5.7 分布式算法对比分析 | 第49-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 攻读学位期间发表论文 | 第60-64页 |
| 致谢 | 第64页 |
