首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

社会网络中基于多特征融合的群体推荐研究

中文摘要第3-5页
英文摘要第5-7页
1 绪论第11-21页
    1.1 研究背景与意义第11-13页
    1.2 国内外研究现状第13-17页
        1.2.1 随机型群组第13-15页
        1.2.2 持续型群组第15-16页
        1.2.3 小结第16-17页
    1.3 论文的研究主线和创新点第17-18页
        1.3.1 研究主线第17-18页
        1.3.2 创新点与贡献第18页
    1.4 论文结构安排第18-21页
2 基础方法模型概述第21-31页
    2.1 有监督学习模型第21-22页
        2.1.1 支持变量回归模型第21-22页
        2.1.2 高斯过程回归模型第22页
    2.2 无监督学习模型第22-28页
        2.2.1 贝叶斯后验概率推理第22-23页
        2.2.2 LDA主题模型第23-25页
        2.2.3 Twitter-LDA主题模型第25-28页
    2.3 群体决策模型第28-29页
        2.3.1 博弈理论与纳什均衡第28页
        2.3.2 多准则决策模型——VIKOR方法第28-29页
    2.4 协同过滤模型第29-31页
        2.4.1 矩阵分解第29页
        2.4.2 K-邻近算法第29-31页
3 基于多维偏好分布的群体推荐研究第31-55页
    3.1 引言第31-33页
    3.2 群体推荐机制Greption框架流程第33-35页
        3.2.1 问题建立第33页
        3.2.2 框架流程描述第33-35页
    3.3 群组偏好建模——MSVR模型第35-38页
        3.3.1 模型建立第35-36页
        3.3.2 MSVR模型的优化第36-38页
    3.4 推荐结果生成——模糊多准则决策第38-42页
    3.5 稀疏性处理策略第42-43页
        3.5.1 基于矩阵分解的数据恢复策略第42-43页
        3.5.2 基于协同过滤的数据恢复策略第43页
    3.6 实验评估第43-53页
        3.6.1 实验基本设置第43-46页
        3.6.2 度量准则和对比方法第46-47页
        3.6.3 实验结果与分析第47-50页
        3.6.4 参数敏感度探究第50-51页
        3.6.5 稀疏性处理探究第51-53页
    3.7 本章小结第53-55页
4 基于概率推理与非合作博弈的群体推荐研究第55-81页
    4.1 引言第55页
    4.2 群体推荐机制Greping框架流程第55-59页
        4.2.1 问题建立第55-57页
        4.2.2 框架流程描述第57-59页
    4.3 基于概率推理的显式反馈信息推断第59-63页
        4.3.1 行为生成过程建模第59-60页
        4.3.2 优化目标建立第60-61页
        4.3.3 基于梯度下降的寻优求解过程第61-63页
    4.4 基于非合作博弈的推荐生成第63-66页
        4.4.1 博弈模型第64-65页
        4.4.2 纳什均衡第65-66页
    4.5 实验评估第66-80页
        4.5.1 实验基本设置第66-69页
        4.5.2 度量指标和对比方法第69-71页
        4.5.3 实验结果与分析第71-77页
        4.5.4 参数敏感度分析第77-80页
    4.6 本章小结第80-81页
5 基于高斯过程回归的时序群体推荐研究第81-103页
    5.1 引言第81-82页
    5.2 群体推荐机制Grem-GP框架流程第82-84页
        5.2.1 问题建立第82页
        5.2.2 框架流程描述第82-84页
    5.3 基于GPR的行为特征时序演进建模第84-88页
        5.3.1 模型建立第84-86页
        5.3.2 模型拟合第86-88页
    5.4 推荐生成与稀疏性处理第88-90页
        5.4.1 推荐生成第88-89页
        5.4.2 稀疏性处理第89-90页
        5.4.3 复杂度分析第90页
    5.5 实验评估第90-101页
        5.5.1 实验基本设置第90-93页
        5.5.2 度量指标和对比方法第93-94页
        5.5.3 实验结果与分析第94-100页
        5.5.4 稀疏性处理研究第100-101页
    5.6 本章小结第101-103页
6 总结与展望第103-105页
    6.1 论文工作总结第103-104页
    6.2 下一步研究展望第104-105页
致谢第105-107页
参考文献第107-117页
附录第117页
    A. 作者在攻读学位期间发表的论文目录第117页
    B. 作者在攻读学位期间承担或参与的科研项目目录第117页

论文共117页,点击 下载论文
上一篇:关于信息物理系统安全的关键问题研究
下一篇:非线性系统自适应神经网络控制及容错控制