基于机器学习的个性化推荐算法研究
| 摘要 | 第6-8页 |
| abstract | 第8-9页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-20页 |
| 1.2.1 经典推荐算法 | 第14-16页 |
| 1.2.2 机器学习 | 第16-17页 |
| 1.2.3 迁移学习 | 第17-18页 |
| 1.2.4 多源多任务学习 | 第18-19页 |
| 1.2.5 深度学习 | 第19-20页 |
| 1.2.6 本体 | 第20页 |
| 1.3 本文研究内容及结构安排 | 第20-23页 |
| 第2章 迁移学习的跨域推荐算法 | 第23-49页 |
| 2.1 引言 | 第23-24页 |
| 2.2 相关技术 | 第24-27页 |
| 2.2.1 主题模型 | 第24页 |
| 2.2.2 矩阵分解模型 | 第24-26页 |
| 2.2.3 相似度的度量方法 | 第26-27页 |
| 2.3 迁移学习的跨域推荐模型 | 第27-37页 |
| 2.3.1 问题定义 | 第27-28页 |
| 2.3.2 单一域建模 | 第28-30页 |
| 2.3.3 跨域映射建模 | 第30-35页 |
| 2.3.4 整体模型框架 | 第35-37页 |
| 2.4 实验结果与分析 | 第37-48页 |
| 2.4.1 数据集与数据预处理 | 第37-38页 |
| 2.4.2 实验设计 | 第38-39页 |
| 2.4.3 结果与分析 | 第39-48页 |
| 2.5 本章小结 | 第48-49页 |
| 第3章 多源多任务的兴趣推理算法 | 第49-68页 |
| 3.1 引言 | 第49-50页 |
| 3.2 相关技术 | 第50-58页 |
| 3.2.1 聚类分析 | 第50-51页 |
| 3.2.2 层次聚类与凝聚层次聚类 | 第51-54页 |
| 3.2.3 相对熵 | 第54-55页 |
| 3.2.4 詹森-香农散度 | 第55-56页 |
| 3.2.5 Bag-of-words模型 | 第56-57页 |
| 3.2.6 TF-IDF模型 | 第57-58页 |
| 3.3 多源多任务兴趣推理算法 | 第58-62页 |
| 3.3.1 兴趣的文本表示方法 | 第58-60页 |
| 3.3.2 用户多个数据源信息的提取与处理 | 第60-61页 |
| 3.3.3 兴趣推理的实现 | 第61-62页 |
| 3.4 基于树形结构的兴趣之间关系的研究 | 第62-65页 |
| 3.4.1 兴趣之间联系的研究 | 第62页 |
| 3.4.2 兴趣间共现矩阵的构造 | 第62-63页 |
| 3.4.3 兴趣之间权重关系树状图的构建 | 第63-65页 |
| 3.5 实验过程与结果分析 | 第65-67页 |
| 3.5.1 实验软硬件环境 | 第65页 |
| 3.5.2 数据集的选择 | 第65页 |
| 3.5.3 实验过程与结果分析 | 第65-67页 |
| 3.6 本章小结 | 第67-68页 |
| 第4章 BP-RNN混合推荐算法 | 第68-89页 |
| 4.1 引言 | 第68-69页 |
| 4.2 相关工作 | 第69-74页 |
| 4.2.1 协同过滤推荐 | 第69-73页 |
| 4.2.2 随机梯度下降 | 第73-74页 |
| 4.3 基于BP-RNN的短期推荐算法 | 第74-81页 |
| 4.3.1 短期推荐系统 | 第74页 |
| 4.3.2 反向传播算法 | 第74-76页 |
| 4.3.3 循环神经网络 | 第76-79页 |
| 4.3.4 BP-RNN混合推荐 | 第79-81页 |
| 4.4 仿真实验与分析 | 第81-88页 |
| 4.4.1 实验平台及环境 | 第81页 |
| 4.4.2 数据集和评估指标 | 第81-82页 |
| 4.4.3 实验结果与分析 | 第82-88页 |
| 4.5 本章小结 | 第88-89页 |
| 第5章 基于本体的推荐算法 | 第89-105页 |
| 5.1 旅游景点本体的构建 | 第89-91页 |
| 5.2 基于本体的旅游信息推荐算法 | 第91-97页 |
| 5.2.1 关联规则的挖掘 | 第92页 |
| 5.2.2 融入时间因子和评价因子的协同过滤 | 第92-94页 |
| 5.2.3 基于景点本体的协同过滤算法 | 第94-95页 |
| 5.2.4 混合算法 | 第95-97页 |
| 5.3 实验结果与分析 | 第97-104页 |
| 5.3.1 实验平台及环境 | 第97页 |
| 5.3.2 实验数据的获取 | 第97页 |
| 5.3.3 实验结果及分析 | 第97-104页 |
| 5.4 本章小结 | 第104-105页 |
| 结论 | 第105-107页 |
| 参考文献 | 第107-114页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第114-115页 |
| 致谢 | 第115页 |
