| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-18页 |
| 1.2.1 推荐算法研究现状 | 第10-16页 |
| 1.2.2 新用户冷启动问题研究现状 | 第16-18页 |
| 1.3 本文研究成果与结构安排 | 第18-20页 |
| 1.3.1 研究内容 | 第18-19页 |
| 1.3.2 论文结构安排 | 第19-20页 |
| 第2章 相关技术 | 第20-32页 |
| 2.1 N臂老虎机模型 | 第20-23页 |
| 2.1.1 Native算法 | 第21-22页 |
| 2.1.2 UCB算法 | 第22页 |
| 2.1.3 Thompthon sampling算法 | 第22-23页 |
| 2.2 免疫反馈模型 | 第23-26页 |
| 2.2.1 人体免疫系统 | 第23-24页 |
| 2.2.2 免疫反馈系统在神经网络算法上的应用 | 第24-26页 |
| 2.3 推荐系统评测实验方法 | 第26-31页 |
| 2.3.1 离线实验 | 第26-28页 |
| 2.3.2 在线实验 | 第28页 |
| 2.3.3 蒙特卡罗模拟方法 | 第28-29页 |
| 2.3.4 用户调查 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 基于免疫反馈的Epsilon-greedy算法 | 第32-40页 |
| 3.1 Epsilon-greedy算法 | 第32-33页 |
| 3.2 免疫反馈模型 | 第33-34页 |
| 3.3 EGIF算法 | 第34-37页 |
| 3.4 EGIF算法评测 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 推荐系统评测研究 | 第40-46页 |
| 4.1 评测指标之间的相关性以及超参数选择对离线指标的影响 | 第40-43页 |
| 4.2 线性回归预测算法在线表现 | 第43-44页 |
| 4.3 算法表现 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 个性化电影推荐系统 | 第46-52页 |
| 5.1 网站功能分析 | 第46页 |
| 5.2 用户管理模块 | 第46-48页 |
| 5.3 行为记录收集模块 | 第48页 |
| 5.4 推荐模块 | 第48-49页 |
| 5.5 推荐展示模块 | 第49-51页 |
| 5.6 本章小结 | 第51-52页 |
| 第6章 结论与展望 | 第52-54页 |
| 6.1 本文工作总结 | 第52页 |
| 6.2 未来工作及展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第58-59页 |
| 致谢 | 第59页 |
