基于深度学习的商品推荐系统的研究与实现
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 商品个性化推荐 | 第11-13页 |
| 1.2.2 商品重购推荐 | 第13-15页 |
| 1.3 本课题研究工作 | 第15-16页 |
| 1.4 论文结构说明 | 第16-18页 |
| 第二章 相关理论基础 | 第18-31页 |
| 2.1 Transformer模型 | 第18-22页 |
| 2.1.1 点乘注意力与多头注意力 | 第18-20页 |
| 2.1.2 Transformer模型结构 | 第20-22页 |
| 2.2 长短时记忆网络 | 第22-26页 |
| 2.2.1 循环神经网络 | 第22-24页 |
| 2.2.2 LSTM网络结构 | 第24-26页 |
| 2.3 时序卷积网络 | 第26-31页 |
| 2.3.1 一维全卷积 | 第26-27页 |
| 2.3.2 因果卷积与空洞卷积 | 第27-29页 |
| 2.3.3 时序卷积网络结构 | 第29-31页 |
| 第三章 商品个性化推荐研究与实现 | 第31-50页 |
| 3.1 引言 | 第31页 |
| 3.2 特征提取 | 第31-32页 |
| 3.3 基础模型 | 第32-34页 |
| 3.4 基于TransRec模型的商品个性化推荐 | 第34-42页 |
| 3.4.1 编码器的输入表示 | 第34-35页 |
| 3.4.2 编码器结构 | 第35-38页 |
| 3.4.3 解码器结构 | 第38-40页 |
| 3.4.4 TransRec模型整体结构 | 第40-42页 |
| 3.5 实验与评估 | 第42-50页 |
| 3.5.1 数据集与评价指标 | 第42页 |
| 3.5.2 模型性能对比 | 第42-45页 |
| 3.5.3 TransRec模型性能分析 | 第45-50页 |
| 第四章 商品重购推荐研究与实现 | 第50-65页 |
| 4.1 引言 | 第50页 |
| 4.2 特征提取 | 第50-52页 |
| 4.3 基础模型 | 第52-53页 |
| 4.4 基于TCRNN模型的商品重购推荐 | 第53-57页 |
| 4.4.1 基于LSTM模型的商品重购推荐 | 第53-54页 |
| 4.4.2 加权平均序列损失函数 | 第54-55页 |
| 4.4.3 LSTM模型的不足 | 第55-56页 |
| 4.4.4 基于TCRNN模型的商品重购推荐 | 第56-57页 |
| 4.5 实验与评估 | 第57-65页 |
| 4.5.1 数据集与评价指标 | 第57-58页 |
| 4.5.2 基准模型 | 第58-60页 |
| 4.5.3 模型性能对比 | 第60-65页 |
| 第五章 商品推荐系统的设计与实现 | 第65-73页 |
| 5.1 引言 | 第65页 |
| 5.2 系统概要设计 | 第65-68页 |
| 5.2.1 需求分析 | 第65-66页 |
| 5.2.2 系统结构设计 | 第66-67页 |
| 5.2.3 系统流程 | 第67-68页 |
| 5.2.4 系统数据准备 | 第68页 |
| 5.3 系统详细设计 | 第68-69页 |
| 5.4 系统功能测试 | 第69-73页 |
| 5.4.1 商品推荐 | 第69-71页 |
| 5.4.2 冷启动推荐 | 第71-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 本文总结 | 第73-74页 |
| 6.2 未来展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
| 作者攻读学位期间发表的学术论文目录 | 第80页 |
