基于神经网络与奇异值分解的推荐算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 主要研究内容和工作 | 第11-12页 |
| 1.4 本文的组织结构 | 第12-14页 |
| 2 推荐算法及其关键技术 | 第14-27页 |
| 2.1 推荐算法概述 | 第14-15页 |
| 2.2 推荐算法关键技术 | 第15-23页 |
| 2.3 推荐算法评价指标 | 第23-25页 |
| 2.4 推荐算法面临的挑战 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 基于神经网络的词向量数据驱动推荐算法 | 第27-51页 |
| 3.1 神经网络的原理 | 第27-32页 |
| 3.2 词向量 | 第32-41页 |
| 3.3 基于神经网络的词向量数据驱动推荐算法设计 | 第41-46页 |
| 3.4 实验结果与分析 | 第46-50页 |
| 3.5 本章小结 | 第50-51页 |
| 4 基于词向量数据驱动的奇异值分解推荐算法 | 第51-70页 |
| 4.1 SVD的数学原理 | 第51-53页 |
| 4.2 基于SVD的推荐算法 | 第53-56页 |
| 4.3 基于BSVD的推荐算法 | 第56-62页 |
| 4.4 基于WVNN与BSVD的线性融合算法 | 第62-64页 |
| 4.5 W-BSVD推荐算法 | 第64-68页 |
| 4.6 算法推荐精度比较 | 第68-69页 |
| 4.7 本章小结 | 第69-70页 |
| 5 总结与展望 | 第70-73页 |
| 5.1 本文主要工作回顾 | 第70-71页 |
| 5.2 创新点 | 第71页 |
| 5.3 工作展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 附录1 攻读学位期间发表论文目录 | 第79页 |
