| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-18页 |
| 1.3 本文的主要工作 | 第18-19页 |
| 1.4 本论文的结构安排 | 第19页 |
| 1.5 本章小结 | 第19-20页 |
| 第二章 相关理论及技术 | 第20-29页 |
| 2.1 推荐算法 | 第20-25页 |
| 2.1.1 个性化推荐算法 | 第20-22页 |
| 2.1.2 对比算法 | 第22-25页 |
| 2.2 隐马尔可夫模型 | 第25-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 基于隐马尔可夫模型的用户偏好动态演变模型及参数估计算法 | 第29-46页 |
| 3.1 一种用于个性化推荐的似然函数 | 第29-33页 |
| 3.1.1 基于概率模型的个性化推荐算法的似然函数 | 第29-30页 |
| 3.1.2 结合协同过滤的似然函数 | 第30-33页 |
| 3.2 基于隐马尔可夫模型的用户偏好动态演变模型 | 第33-35页 |
| 3.3 用户偏好动态演变模型的参数估计算法 | 第35-45页 |
| 3.3.1 期望最大化算法 | 第35-37页 |
| 3.3.2 改进的期望最大化算法 | 第37-39页 |
| 3.3.3 改进期望最大化算法的收敛性 | 第39-41页 |
| 3.3.4 具体参数更新计算 | 第41-44页 |
| 3.3.5 改进的隐马尔可夫模型的参数估计算法 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 基于隐马尔可夫模型的个性化推荐算法 | 第46-55页 |
| 4.1 候选商品集 | 第46-47页 |
| 4.2 前向-后向算法 | 第47-51页 |
| 4.3 基于隐马尔可夫的个性化推荐算法 | 第51-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 实验设计及结果分析 | 第55-67页 |
| 5.1 实验环境 | 第55页 |
| 5.2 实验数据 | 第55-57页 |
| 5.2.1 MOVIELENS数据集 | 第55-56页 |
| 5.2.2 天猫数据集 | 第56-57页 |
| 5.3 评估指标 | 第57-58页 |
| 5.4 实验设计及结果分析 | 第58-66页 |
| 5.4.1 算法参数 | 第58-60页 |
| 5.4.2 对比算法 | 第60页 |
| 5.4.3 MOVIELENS实验结果及分析 | 第60-63页 |
| 5.4.4 天猫实验结果 | 第63-65页 |
| 5.4.5 实验结果分析 | 第65-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 全文总结与展望 | 第67-69页 |
| 6.1 全文总结 | 第67页 |
| 6.2 未来工作 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-77页 |
| 攻读硕士学位期间取得的成果 | 第77-78页 |