上下文感知推荐算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 序言 | 第8-9页 |
| 目录 | 第9-11页 |
| 1 引言 | 第11-15页 |
| 2 研究现状及本文内容 | 第15-26页 |
| 2.1 研究现状 | 第15-23页 |
| 2.1.1 个性化推荐系统 | 第15-19页 |
| 2.1.2 基于图的推荐 | 第19-20页 |
| 2.1.3 激活扩散技术 | 第20-21页 |
| 2.1.4 冷启动问题 | 第21页 |
| 2.1.5 上下文感知推荐算法 | 第21-23页 |
| 2.2 本文的研究内容 | 第23-24页 |
| 2.3 本研究的创新点和意义 | 第24-26页 |
| 3 研究的理论基础 | 第26-35页 |
| 3.1 传统的基于图的推荐方法 | 第26-28页 |
| 3.1.1 基于图的表示方法 | 第26-27页 |
| 3.1.2 联系的量化 | 第27-28页 |
| 3.2 激活扩散技术 | 第28-33页 |
| 3.2.1 纯粹的激活扩散技术 | 第29-30页 |
| 3.2.2 有限制的激活扩散技术 | 第30-33页 |
| 3.3 本章小结 | 第33-35页 |
| 4 基于图的上下文感知推荐 | 第35-49页 |
| 4.1 基于上下文信息的二分图推荐方法 | 第35-41页 |
| 4.1.1 上下文信息的分类 | 第35-36页 |
| 4.1.2 上下文信息相似度 | 第36-38页 |
| 4.1.3 上下文信息在图中的表示 | 第38-39页 |
| 4.1.4 用户和物品联系的量化 | 第39-41页 |
| 4.2 基于图激活扩散推荐算法 | 第41-47页 |
| 4.2.1 基于二分图的激活扩散 | 第41-43页 |
| 4.2.2 算法设计 | 第43页 |
| 4.2.3 算法流程 | 第43-45页 |
| 4.2.4 算法复杂度分析 | 第45-46页 |
| 4.2.5 其他说明 | 第46-47页 |
| 4.3 本章小结 | 第47-49页 |
| 5 离线实验 | 第49-65页 |
| 5.1 实验的内容 | 第49-51页 |
| 5.1.1 实验数据集 | 第49页 |
| 5.1.2 实验的任务 | 第49-50页 |
| 5.1.3 实验的指标 | 第50-51页 |
| 5.2 对比算法 | 第51-52页 |
| 5.2.1 基于用户的协同过滤推荐算法 | 第51-52页 |
| 5.2.2 基于物品的协同过滤推荐算法 | 第52页 |
| 5.3 实验结果和分析 | 第52-63页 |
| 5.3.1 限定跳数M取值分析 | 第52-55页 |
| 5.3.2 TopN推荐结果对比分析 | 第55-60页 |
| 5.3.3 冷启动性能对比分析 | 第60-62页 |
| 5.3.4 算法效率分析 | 第62-63页 |
| 5.4 本章小结 | 第63-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 作者简历 | 第71-73页 |
| 学位论文数据集 | 第73页 |
