基于实值RBM的长尾物品推荐研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景和意义 | 第13-16页 |
| 1.1.1 研究背景 | 第13-15页 |
| 1.1.2 研究意义 | 第15-16页 |
| 1.2 长尾推荐的国内外研究现状 | 第16-18页 |
| 1.3 面临的主要问题和挑战 | 第18页 |
| 1.4 本文的研究工作 | 第18-19页 |
| 1.4.1 主要研究内容 | 第18-19页 |
| 1.4.2 技术路线 | 第19页 |
| 1.5 论文结构安排 | 第19-21页 |
| 第二章 推荐相关理论和技术 | 第21-32页 |
| 2.1 相关推荐算法 | 第21-24页 |
| 2.1.1 协同过滤推荐算法 | 第21-22页 |
| 2.1.2 基于内容的推荐算法 | 第22-23页 |
| 2.1.3 隐语义模型 | 第23-24页 |
| 2.1.4 混合推荐方法 | 第24页 |
| 2.2 相似度的计算方法 | 第24-25页 |
| 2.3 主题模型概述 | 第25-31页 |
| 2.3.1 LSA模型 | 第25-27页 |
| 2.3.2 PLSA模型 | 第27-28页 |
| 2.3.3 LDA主题模型 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 RBM及实值RBM的改进 | 第32-42页 |
| 3.1 RBM概述 | 第32-36页 |
| 3.1.1 条件RBM | 第34-35页 |
| 3.1.2 实值RBM | 第35-36页 |
| 3.2 实值RBM的改进 | 第36-38页 |
| 3.3 实验 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 改进实值RBM的用户未知偏好主题预测 | 第42-50页 |
| 4.1 构建用户兴趣模型 | 第42-43页 |
| 4.2 改进实值RBM的主题预测 | 第43-44页 |
| 4.3 主题相似度计算 | 第44-46页 |
| 4.4 实验 | 第46-49页 |
| 4.4.1 主题及主题词权重提取 | 第46-48页 |
| 4.4.2 近邻用户的选择对模型预测性能的影响 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 基于改进实值RBM的长尾物品推荐 | 第50-58页 |
| 5.1 长尾物品推荐及算法实现 | 第50-54页 |
| 5.2 实验 | 第54-57页 |
| 5.2.1 数据集 | 第54页 |
| 5.2.2 推荐系统评价指标 | 第54-55页 |
| 5.2.3 推荐性能验证 | 第55-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 作者简介 | 第64页 |
