基于异源数据的微博好友推荐
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 电子商务推荐技术 | 第12-14页 |
| 1.2.2 微博好友推荐技术 | 第14页 |
| 1.3 本文工作和组织结构 | 第14-15页 |
| 1.3.1 本文主要工作 | 第14-15页 |
| 1.3.2 本文组织结构 | 第15页 |
| 1.4 本章小结 | 第15-16页 |
| 第2章 相关技术综述 | 第16-31页 |
| 2.1 推荐系统概述 | 第16-17页 |
| 2.2 推荐算法介绍 | 第17-24页 |
| 2.2.1 基于邻居的协同过滤 | 第18-20页 |
| 2.2.2 基于模型的协同过滤 | 第20-22页 |
| 2.2.3 基于内容的推荐 | 第22-23页 |
| 2.2.4 混合方法 | 第23-24页 |
| 2.3 推荐算法的评价标准 | 第24-25页 |
| 2.4 推荐系统的问题和挑战 | 第25-26页 |
| 2.5 微博好友推荐相关技术 | 第26-29页 |
| 2.5.1 基于社交拓扑的推荐 | 第26-28页 |
| 2.5.2 基于内容的推荐 | 第28-29页 |
| 2.6 本章小结 | 第29-31页 |
| 第3章 基于异源数据的推荐模型 | 第31-46页 |
| 3.1 潜在因子模型 | 第31-38页 |
| 3.1.1 Base-SVD | 第32页 |
| 3.1.2 Bias-SVD | 第32-33页 |
| 3.1.3 SVD++ | 第33-34页 |
| 3.1.4 Asymmetric-SVD | 第34-36页 |
| 3.1.5 Time-SVD | 第36-38页 |
| 3.2 GLFM算法框架 | 第38-40页 |
| 3.2.1 通用潜在因子模型 | 第38-39页 |
| 3.2.2 激活函数和损失函数 | 第39-40页 |
| 3.3 GLFM模拟各种潜在因子模型 | 第40-42页 |
| 3.3.1 模拟Bias-SVD | 第40页 |
| 3.3.2 模拟SVD++ | 第40页 |
| 3.3.3 模拟Asymmetric-SVD | 第40-41页 |
| 3.3.4 模拟pairwise排序模型 | 第41页 |
| 3.3.5 模拟Time-SVD | 第41-42页 |
| 3.4 学习算法 | 第42-45页 |
| 3.4.1 优化目标 | 第42页 |
| 3.4.2 随机梯度下降 | 第42-43页 |
| 3.4.3 交替最小平方和 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 GLFM在微博好友推荐中的应用 | 第46-55页 |
| 4.1 微博好友推荐定义 | 第46-48页 |
| 4.1.1 任务目标 | 第46-47页 |
| 4.1.2 相关数据 | 第47-48页 |
| 4.2 损失函数 | 第48-49页 |
| 4.2.1 分类 | 第48页 |
| 4.2.2 Pairwise排序 | 第48-49页 |
| 4.2.3 Listwise排序 | 第49页 |
| 4.3 特征提取与建模 | 第49-53页 |
| 4.3.1 基础特征 | 第49-50页 |
| 4.3.2 社交网络特征 | 第50-51页 |
| 4.3.3 人口统计特征 | 第51-52页 |
| 4.3.4 关键词特征 | 第52页 |
| 4.3.5 时序特征 | 第52-53页 |
| 4.4 联合模型 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 实验设计与结果分析 | 第55-65页 |
| 5.1 实验环境和数据 | 第55-57页 |
| 5.1.1 实验环境 | 第55页 |
| 5.1.2 实验数据 | 第55-57页 |
| 5.2 实验设计 | 第57-61页 |
| 5.2.1 评估标准 | 第57-58页 |
| 5.2.2 实验准备 | 第58-59页 |
| 5.2.3 实验方案 | 第59-61页 |
| 5.3 实验结果及分析 | 第61-64页 |
| 5.3.1 第一组实验结果 | 第61-62页 |
| 5.3.2 第二组实验结果 | 第62-63页 |
| 5.3.3 第三组实验结果 | 第63-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 工作总结 | 第65-66页 |
| 6.2 研究展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71页 |
