混合用户行为建模的概率矩阵分解推荐算法
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题背景 | 第9-12页 |
| 1.2 国内外研究状况 | 第12-17页 |
| 1.2.1 基于关联规则的推荐系统 | 第12页 |
| 1.2.2 基于内容的推荐系统 | 第12-13页 |
| 1.2.3 协同过滤推荐系统 | 第13-17页 |
| 1.3 本文主要工作 | 第17-18页 |
| 1.4 本文组织结构 | 第18-19页 |
| 第2章 相关技术综述 | 第19-29页 |
| 2.1 协同过滤算法 | 第19-24页 |
| 2.1.1 最近邻居模型 | 第19-21页 |
| 2.1.2 矩阵分解模型 | 第21-24页 |
| 2.2 主题模型相关技术 | 第24-27页 |
| 2.2.1 定义与假设 | 第25页 |
| 2.2.2 模型原理 | 第25-27页 |
| 2.2.3 推断与估计 | 第27页 |
| 2.3 本章小结 | 第27-29页 |
| 第3章 混合用户行为建模的概率矩阵分解算法 | 第29-38页 |
| 3.1 问题定义 | 第29-30页 |
| 3.2 用户行为建模 | 第30-33页 |
| 3.2.1 基于用户文本的建模 | 第31页 |
| 3.2.2 基于物品集合的建模 | 第31-33页 |
| 3.3 混合用户行为建模的概率矩阵分解模型 | 第33-36页 |
| 3.4 模型训练 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 实验与分析 | 第38-60页 |
| 4.1 实验数据介绍 | 第38-41页 |
| 4.1.1 数据预处理 | 第38-39页 |
| 4.1.2 数据分析 | 第39-41页 |
| 4.2 实验设计 | 第41-43页 |
| 4.2.1 数据集划分 | 第42页 |
| 4.2.2 评估标准 | 第42-43页 |
| 4.2.3 参数训练 | 第43页 |
| 4.3 实验结果与分析 | 第43-54页 |
| 4.3.1 权重因子γ对模型的影响分析 | 第43-52页 |
| 4.3.2 用户高斯偏移参数λu对模型的影响 | 第52-54页 |
| 4.4 对比方案 | 第54-58页 |
| 4.5 实验总结 | 第58-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 本文总结 | 第60-61页 |
| 5.2 未来工作展望 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 攻读硕士学位期间主要的研究成果 | 第68-69页 |
| 致谢 | 第69页 |
