结合正向和负向相关因子的推荐算法研究和应用
| 摘要 | 第10-12页 |
| ABSTRACT | 第12-14页 |
| 第一章 绪论 | 第15-20页 |
| 1.1 研究背景和意义 | 第15页 |
| 1.2 个性化推荐的研究现状 | 第15-18页 |
| 1.2.1 国外研究现状 | 第16-17页 |
| 1.2.2 国内研究现状 | 第17-18页 |
| 1.3 本论文的主要内容 | 第18-19页 |
| 1.4 本论文的组织结构 | 第19-20页 |
| 第二章 个性化推荐概念及技术 | 第20-28页 |
| 2.1 个性化推荐的概念和定义 | 第20-21页 |
| 2.2 个性化推荐技术及分类 | 第21-25页 |
| 2.2.1 基于内容的推荐 | 第22-23页 |
| 2.2.2 协同过滤推荐 | 第23页 |
| 2.2.3 基于用户的最近邻推荐 | 第23-24页 |
| 2.2.4 基于物品的最近邻推荐 | 第24-25页 |
| 2.2.5 混合推荐系统 | 第25页 |
| 2.3 推荐系统性能评估 | 第25-26页 |
| 2.4 个性化推荐的关键和挑战 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 结合正向和负向相关因子的推荐算法研究 | 第28-39页 |
| 3.1 推荐算法的前提假设 | 第28-29页 |
| 3.2 基础模型估计 | 第29页 |
| 3.3 结合正向相关因子的推荐算法 | 第29-30页 |
| 3.4 结合正向和负向相关因子的推荐算法PNSM | 第30-37页 |
| 3.4.1 符号定义 | 第31-32页 |
| 3.4.2 PNSM算法框架 | 第32-33页 |
| 3.4.3 物品集划分 | 第33-34页 |
| 3.4.4 特征向量提取 | 第34-35页 |
| 3.4.5 喜好指数计算 | 第35-36页 |
| 3.4.6 预测评分 | 第36-37页 |
| 3.4.7 产生推荐列表 | 第37页 |
| 3.5 本章小结 | 第37-39页 |
| 第四章 实验结果与分析 | 第39-45页 |
| 4.1 实验基础配置 | 第39-40页 |
| 4.1.1 数据集 | 第39页 |
| 4.1.2 评估指标 | 第39-40页 |
| 4.1.3 对比算法 | 第40页 |
| 4.2 与其他算法的对比结果 | 第40-42页 |
| 4.3 维度对模型的影响 | 第42页 |
| 4.4 参数α和β对模型的影响 | 第42-43页 |
| 4.5 本章小结 | 第43-45页 |
| 第五章 PNSM在推荐系统中的应用 | 第45-51页 |
| 5.1 “聚好看”视频推荐简介 | 第45页 |
| 5.2 系统架构与流程 | 第45-48页 |
| 5.3 线上数据的评测方法和结果 | 第48-50页 |
| 5.3.1 评测方法 | 第48页 |
| 5.3.2 测试结果 | 第48-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第六章 结束语 | 第51-55页 |
| 6.1 总结 | 第51-53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间发表的学术论文 | 第59-60页 |
| 攻读学位期间参与科研项目情况 | 第60-61页 |
| 附件 | 第61页 |
