基于隐变量模型的评分数据分析与用户偏好建模
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 用户偏好建模 | 第10页 |
| 1.2.2 评分数据分析 | 第10-11页 |
| 1.2.3 隐变量模型的构建 | 第11-12页 |
| 1.2.4 隐变量模型的分布式并行构建 | 第12-13页 |
| 1.3 本文的主要研究内容 | 第13-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第2章 基础知识 | 第16-30页 |
| 2.1 贝叶斯网简介 | 第16-19页 |
| 2.1.1 贝叶斯网学习 | 第17-18页 |
| 2.1.2 贝叶斯网推理 | 第18-19页 |
| 2.2 隐变量模型简介 | 第19-23页 |
| 2.2.1 参数学习 | 第20-22页 |
| 2.2.2 结构学习 | 第22-23页 |
| 2.3 Spark简介 | 第23-28页 |
| 2.3.1 Spark编程模型 | 第24-26页 |
| 2.3.2 Spark系统架构 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 基于约束的用户偏好建模 | 第30-44页 |
| 3.1 用户偏好模型定义 | 第30-32页 |
| 3.2 约束描述 | 第32-33页 |
| 3.3 UPBN参数学习 | 第33-38页 |
| 3.4 UPBN结构学习 | 第38-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 基于UPBN的用户偏好估计 | 第44-50页 |
| 4.1 基于变量消元法的UPBN模型推理 | 第44-47页 |
| 4.2 基于UPBN模型推理的用户偏好估计 | 第47-48页 |
| 4.3 本章小结 | 第48-50页 |
| 第5章 实验结果与分析 | 第50-64页 |
| 5.1 有效性测试 | 第50-58页 |
| 5.1.1 模型构建效果 | 第51-55页 |
| 5.1.2 依赖关系表达效果 | 第55-56页 |
| 5.1.3 用户偏好估计效果 | 第56-58页 |
| 5.2 效率测试 | 第58-63页 |
| 5.2.1 执行时间 | 第59-60页 |
| 5.2.2 加速比 | 第60-62页 |
| 5.2.3 并行效率 | 第62-63页 |
| 5.3 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 附录 | 第72-80页 |
| A1. 攻读硕士学位期间发表的学术论文 | 第72页 |
| A2. 攻读硕士学位期间申请的发明专利 | 第72页 |
| A3. 攻读硕士学位期间参与的科研项目 | 第72页 |
| A4. 论文中主要算法的实现代码 | 第72-80页 |
| 致谢 | 第80页 |
