首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于矩阵分解及其图模型的协同过滤推荐算法研究

摘要第5-7页
ABSTRACT第7-8页
符号对照表第11-12页
缩略语对照表第12-15页
第一章 绪论第15-25页
    1.1 研究背景第15-17页
    1.2 研究意义第17-18页
        1.2.1 理论意义第17页
        1.2.2 实践意义第17-18页
    1.3 研究现状及面临的挑战第18-22页
        1.3.1 研究现状第18-19页
        1.3.2 协同过滤面临的挑战第19-22页
    1.4 论文安排第22-25页
第二章 基于矩阵分解和线性正交化校正的协同过滤算法第25-33页
    2.1 引言第25页
    2.2 基于矩阵分解的隐语义协同过滤模型第25-26页
        2.2.1 矩阵分解介绍第25页
        2.2.2 矩阵分解数学模型第25-26页
    2.3 SVD++第26-27页
    2.4 基于概率的矩阵分解模型第27-28页
    2.5 基于矩阵分解和线性正交化校正的协同过滤算法第28-29页
    2.6 实验和算法复杂度分析第29-32页
        2.6.1 对比算法及实验环境第29-30页
        2.6.2 数据集及评价准则第30页
        2.6.3 算法复杂度分析第30页
        2.6.4 实验结果及分析第30-32页
    2.7 本章总结第32-33页
第三章 基于单元素分解及其图正则校正的非负矩阵分解协同过滤算法第33-49页
    3.1 研究动因第33页
    3.2 非负矩阵分解 (NMF)第33-35页
    3.3 基于单元素的非负矩阵分解 (SNMF)第35-36页
    3.4 基于图校正的非负矩阵分解模型第36-39页
        3.4.1 图模型及相似度介绍第36-38页
        3.4.2 用户图模型的构建第38页
        3.4.3. 用户相似度的计算第38-39页
    3.5 基于单元素策略及其图正则校正的非负矩阵分解协同过滤算法第39-45页
        3.5.1 改进算法的动机第39-40页
        3.5.2 基于单元素及其图正则校正的非负矩阵分解的模型第40-43页
        3.5.3 算法实例分析第43-45页
    3.6 实验结果和复杂度分析第45-48页
        3.6.1 RTGNMF的复杂度分析第45-46页
        3.6.2 实验数据集及其实验环境第46-47页
        3.6.3 参数调节和实验分析第47-48页
    3.7 本章总结第48-49页
第四章 基于流形正则图校正及其单元素分解的非负矩阵分解第49-59页
    4.1 算法引入的意义第49-50页
    4.2 OWNMF第50-51页
    4.3 基于流形正则的矩阵分解模型介绍第51页
    4.4 基于流形正则校正及其单元素分解的非负矩阵分解第51-54页
    4.5 实验分析第54-58页
        4.5.1 实验数据集及其实验环境第54页
        4.5.2 各算法复杂度总结第54页
        4.5.3 参数的调节第54-55页
        4.5.4 各算法对比实验第55-58页
    4.6 本章总结第58-59页
第五章 总结与展望第59-61页
参考文献第61-67页
致谢第67-69页
作者简介第69-70页

论文共70页,点击 下载论文
上一篇:基于导向滤波和多尺度分析的图像融合算法研究
下一篇:大规模地形可视化技术研究