基于矩阵分解的评分推荐研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文的研究工作 | 第14-17页 |
| 1.3.1 基于启发式锚点选择的局部低秩矩阵近似 | 第15-16页 |
| 1.3.2 结合矩阵分解和表示学习的评分推荐 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第二章 相关技术介绍 | 第19-28页 |
| 2.1 矩阵分解模型 | 第19-22页 |
| 2.1.1 基于全局矩阵低秩 | 第20-21页 |
| 2.1.2 基于局部矩阵低秩 | 第21-22页 |
| 2.2 社会化推荐 | 第22-24页 |
| 2.3 网络表示学习方法 | 第24-28页 |
| 第三章 基于启发式锚点选择的局部低秩矩阵近似 | 第28-44页 |
| 3.1 问题定义及挑战 | 第28-30页 |
| 3.2 算法设计与描述 | 第30-37页 |
| 3.2.1 基于启发式锚点选择的局部低秩矩阵近似 | 第30-31页 |
| 3.2.2 根据用户和物品的隐特征矩阵进行聚类 | 第31-33页 |
| 3.2.3 基于两个标准选择锚点 | 第33-35页 |
| 3.2.4 组合局部矩阵 | 第35-37页 |
| 3.3 实验及分析 | 第37-43页 |
| 3.3.1 数据集和评价标准 | 第37-38页 |
| 3.3.2 比较方法和有效性实验 | 第38-41页 |
| 3.3.3 效率实验 | 第41-42页 |
| 3.3.4 参数α实验 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 结合矩阵分解和表示学习的评分推荐 | 第44-55页 |
| 4.1 问题定义及挑战 | 第44-45页 |
| 4.2 算法设计与描述 | 第45-49页 |
| 4.2.1 低秩矩阵分解和社交网络嵌入 | 第45-46页 |
| 4.2.2 MERP | 第46-47页 |
| 4.2.3 模型学习和讨论 | 第47-49页 |
| 4.3 实验及分析 | 第49-54页 |
| 4.3.1 数据集和度量标准 | 第49页 |
| 4.3.2 比较方法和有效性实验 | 第49-52页 |
| 4.3.3 不同策略的影响 | 第52-53页 |
| 4.3.4 参数研究 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 总结 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表的学术论文 | 第64页 |
