基于混合模型的个性化推荐算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 研究内容 | 第11页 |
| 1.3 主要工作及创新点 | 第11-12页 |
| 1.4 组织结构 | 第12-14页 |
| 第二章 推荐系统研究 | 第14-21页 |
| 2.1 推荐系统概述 | 第14-16页 |
| 2.2 推荐算法研究 | 第16-18页 |
| 2.3 推荐算法评价指标 | 第18-19页 |
| 2.4 推荐系统架构 | 第19-21页 |
| 第三章 用户偏好模型 | 第21-27页 |
| 3.1 用户行为分析 | 第21-24页 |
| 3.1.1 用户行为统计 | 第21-23页 |
| 3.1.2 用户情感分析 | 第23-24页 |
| 3.2 融合偏好模型 | 第24-27页 |
| 3.2.1 用户行为偏好 | 第24-25页 |
| 3.2.2 用户情感偏好 | 第25页 |
| 3.2.3 偏好融合 | 第25-27页 |
| 第四章 基于融合偏好的推荐算法设计 | 第27-41页 |
| 4.1 混合协同过滤算法 | 第27-32页 |
| 4.1.1 基于邻域的协同过滤算法 | 第27-30页 |
| 4.1.2 协同过滤扩展 | 第30-32页 |
| 4.1.3 基于扩展矩阵的混合协同过滤 | 第32页 |
| 4.2 矩阵分解算法 | 第32-37页 |
| 4.2.1 矩阵分解模型 | 第33-35页 |
| 4.2.2 情感增强的偏置矩阵分解 | 第35-37页 |
| 4.3 基于图的扩散算法 | 第37-41页 |
| 4.3.1 二部图扩散算法 | 第37-38页 |
| 4.3.2 标签信息引入 | 第38-39页 |
| 4.3.3 基于加权三部图的融合扩散 | 第39-41页 |
| 第五章 个性化混合推荐模型 | 第41-47页 |
| 5.1 混合推荐介绍 | 第41页 |
| 5.2 混合推荐算法设计 | 第41-42页 |
| 5.3 混合策略 | 第42-47页 |
| 第六章 实验 | 第47-53页 |
| 6.1 数据描述 | 第47页 |
| 6.2 数据预处理 | 第47-49页 |
| 6.2.1 用户偏好分 | 第47-48页 |
| 6.2.2 标签提取 | 第48-49页 |
| 6.3 实验结果及结论 | 第49-53页 |
| 6.3.1 基于扩展矩阵的混合协同过滤 | 第49-50页 |
| 6.3.2 情感加强的偏置矩阵分解 | 第50-51页 |
| 6.3.3 基于加权三部图的融合扩散 | 第51-52页 |
| 6.3.4 个性化混合推荐算法 | 第52-53页 |
| 第七章 总结和展望 | 第53-55页 |
| 7.1 论文总结 | 第53页 |
| 7.2 进一步工作 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间发表的学术论文 | 第59页 |
