基于用户评论的菜品套餐推荐算法设计与实现
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景 | 第15-18页 |
| 1.2 研究内容与主要贡献 | 第18-20页 |
| 1.3 组织结构 | 第20-21页 |
| 第二章 研究现状 | 第21-27页 |
| 2.1 套餐推荐 | 第21-22页 |
| 2.2 推荐算法 | 第22-26页 |
| 2.2.1 基于协同过滤的推荐算法 | 第23-24页 |
| 2.2.2 基于内容的推荐算法 | 第24-25页 |
| 2.2.3 基于模型的推荐算法 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 数据处理及分析 | 第27-38页 |
| 3.1 问题定义 | 第27-30页 |
| 3.1.1 套餐定义 | 第27-29页 |
| 3.1.2 套餐样例 | 第29-30页 |
| 3.2 套餐数据集 | 第30-34页 |
| 3.2.1 数据集简介 | 第30-31页 |
| 3.2.2 数据稀缺性的解决方案 | 第31-34页 |
| 3.3 数据预处理 | 第34-37页 |
| 3.3.1 文本数据预处理 | 第34-35页 |
| 3.3.2 评分矩阵预处理 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于潜在主题的套餐推荐算法 | 第38-53页 |
| 4.1 预备知识 | 第38-39页 |
| 4.2 模型框架 | 第39-40页 |
| 4.3 潜在主题分析模型 | 第40-44页 |
| 4.3.1 潜在主题生成 | 第41-43页 |
| 4.3.2 模型训练 | 第43-44页 |
| 4.4 套餐评分预测模型 | 第44-46页 |
| 4.4.1 线性回归 | 第45页 |
| 4.4.2 逻辑回归 | 第45-46页 |
| 4.4.3 Softmax回归 | 第46页 |
| 4.5 实验结果与分析 | 第46-52页 |
| 4.5.1 评估指标 | 第46-47页 |
| 4.5.2 实验简介 | 第47-49页 |
| 4.5.3 潜在主题设置与分析 | 第49-51页 |
| 4.5.4 实验结果分析 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 基于潜在关联的套餐推荐算法 | 第53-71页 |
| 5.1 预备知识 | 第53-54页 |
| 5.2 模型框架 | 第54-56页 |
| 5.3 基于RBM模型的潜在关联分析 | 第56-61页 |
| 5.3.1 潜在关联生成 | 第57-58页 |
| 5.3.2 模型训练 | 第58-61页 |
| 5.4 基于CRBM模型的潜在关联分析 | 第61-63页 |
| 5.4.1 潜在关联生成 | 第61-62页 |
| 5.4.2 模型训练 | 第62-63页 |
| 5.5 套餐评分评分预测 | 第63-66页 |
| 5.6 实验结果与分析 | 第66-70页 |
| 5.6.1 实验结果展示 | 第66-67页 |
| 5.6.2 实验结果分析 | 第67-70页 |
| 5.7 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 参考文献 | 第73-80页 |
| 致谢 | 第80-82页 |
| 攻读硕士学位期间发表论文和科研情况 | 第82页 |
