多领域主动学习推荐算法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 引言 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 本文主要研究工作与贡献 | 第9-10页 |
| 1.3 本文组织结构 | 第10-12页 |
| 第2章 相关工作 | 第12-23页 |
| 2.1 个性化推荐技术 | 第12-17页 |
| 2.1.1 基于记忆的推荐技术 | 第12-14页 |
| 2.1.2 基于模型的推荐算法 | 第14-15页 |
| 2.1.3 混合推荐模型 | 第15-17页 |
| 2.2 多领域推荐模型 | 第17-18页 |
| 2.3 主动学习及其在推荐算法中应用 | 第18-21页 |
| 2.3.1 主动学习 | 第18-20页 |
| 2.3.2 主动学习在推荐算法中的应用 | 第20-21页 |
| 2.4 相似工作 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 多领域主动学习推荐算法 | 第23-33页 |
| 3.1 问题定义 | 第23-25页 |
| 3.2 多领域主动学习总体优化目标 | 第25-26页 |
| 3.3 多领域推荐模型 | 第26-28页 |
| 3.4 多领域主动学习策略 | 第28-32页 |
| 3.4.1 具体优化目标 | 第28-29页 |
| 3.4.2 领域特有知识 | 第29-30页 |
| 3.4.3 领域独立知识 | 第30-32页 |
| 3.5 时间复杂度分析 | 第32页 |
| 3.6 本章小结 | 第32-33页 |
| 第4章 实验设计与结果分析 | 第33-52页 |
| 4.1 实验系统设计 | 第33-37页 |
| 4.1.1 数据预处理模块 | 第34页 |
| 4.1.2 算法运行模块 | 第34-35页 |
| 4.1.3 性能获取模块 | 第35页 |
| 4.1.4 结果展示模块 | 第35-36页 |
| 4.1.5 实验系统流程 | 第36-37页 |
| 4.2 实验数据集 | 第37-39页 |
| 4.3 实验基准方法 | 第39-40页 |
| 4.4 实验设置与评估指标 | 第40-41页 |
| 4.4.1 数据集处理 | 第40页 |
| 4.4.2 参数设置 | 第40页 |
| 4.4.3 评估指标 | 第40-41页 |
| 4.5 实验结果与分析 | 第41-50页 |
| 4.5.1 不同多领域推荐任务上性能比较 | 第41-48页 |
| 4.5.2 显著性测试实验 | 第48-49页 |
| 4.5.3 参数敏感性实验 | 第49-50页 |
| 4.6 本章小结 | 第50-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-59页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第59页 |
