融合评论标签的个性化推荐研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-11页 |
| 1.1 选题背景和意义 | 第8-9页 |
| 1.2 本文主要贡献 | 第9-10页 |
| 1.3 组织结构 | 第10-11页 |
| 第二章 国内外研究现状 | 第11-18页 |
| 2.1 个性化推荐算法相关研究 | 第11-14页 |
| 2.1.1 基于内容的推荐算法 | 第11页 |
| 2.1.2 协同过滤推荐算法 | 第11-13页 |
| 2.1.3 混合推荐算法 | 第13-14页 |
| 2.2 实验设置 | 第14-17页 |
| 2.2.1 实验数据集 | 第14-15页 |
| 2.2.2 情感词典 | 第15页 |
| 2.2.3 评价指标 | 第15-16页 |
| 2.2.4 产品特征统计 | 第16-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第三章 融合评论标签的矩阵分解模型 | 第18-27页 |
| 3.1 引言 | 第18-19页 |
| 3.2 问题描述 | 第19页 |
| 3.3 融合评论标签的矩阵分解算法 | 第19-22页 |
| 3.3.1 构造(特征,观点,情感)元组 | 第19-20页 |
| 3.3.2 构建用户兴趣模型 | 第20页 |
| 3.3.3 构建产品特征模型 | 第20-21页 |
| 3.3.4 融合产品特征的矩阵分解 | 第21页 |
| 3.3.5 基于矩阵分解的预测评分 | 第21-22页 |
| 3.4 实验及结果分析 | 第22-26页 |
| 3.4.1 实验设置 | 第22-23页 |
| 3.4.2 实验结果与分析 | 第23-26页 |
| 3.5 本章小结 | 第26-27页 |
| 第四章 融合评论标签的邻域模型 | 第27-40页 |
| 4.1 引言 | 第27页 |
| 4.2 问题描述 | 第27-28页 |
| 4.3 融合评论标签的邻域模型 | 第28-33页 |
| 4.3.1 建立用户模型和产品模型 | 第28-30页 |
| 4.3.2 计算用户/产品相似性 | 第30-32页 |
| 4.3.3 基于邻域的评分预测 | 第32-33页 |
| 4.4 实验及结果分析 | 第33-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第五章 融合评论标签的混合推荐模型 | 第40-47页 |
| 5.1 引言 | 第40页 |
| 5.2 问题描述 | 第40页 |
| 5.3 模型介绍 | 第40-42页 |
| 5.3.1 融合评论标签的加权混合模型 | 第41页 |
| 5.3.2 融合评论标签的算法混合模型 | 第41-42页 |
| 5.4 实验及结果分析 | 第42-46页 |
| 5.5 本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-49页 |
| 总结 | 第47-48页 |
| 展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 个人简历 | 第54-55页 |
| 在学校期间的研究成果以及发表的学术论文 | 第55页 |
