基于因子分解机的音乐推荐算法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 推荐系统研究现状 | 第10-12页 |
| 1.2.2 音乐推荐研究现状 | 第12-13页 |
| 1.3 文章的主要内容及结构 | 第13-15页 |
| 第2章 推荐算法的基本理论 | 第15-26页 |
| 2.1 特征选取与降维 | 第15-17页 |
| 2.2 协同过滤推荐 | 第17-19页 |
| 2.3 张量分析和矩阵分解 | 第19-20页 |
| 2.4 支持向量机 | 第20-22页 |
| 2.5 因子分解机 | 第22-25页 |
| 2.5.1 因子分解机简介 | 第22-23页 |
| 2.5.2 因子分解机模型 | 第23-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 基于用户行为分析的音乐推荐理论 | 第26-34页 |
| 3.1 音乐推荐特点 | 第26-27页 |
| 3.2 用户行为分析 | 第27-29页 |
| 3.3 用户行为特征空间 | 第29页 |
| 3.4 基于用户行为的音乐推荐实例分析 | 第29-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于改进的FM音乐推荐模型 | 第34-48页 |
| 4.1 改进的因子分解机预测模型 | 第34-35页 |
| 4.2 RFM模型的性质 | 第35-37页 |
| 4.3 RFM模型求解 | 第37-43页 |
| 4.4 融合RFM和用户行为的音乐推荐原理 | 第43-46页 |
| 4.5 融合RFM和用户行为预测的音乐推荐流程 | 第46-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第5章 实验 | 第48-54页 |
| 5.1 实验数据集及工具 | 第48页 |
| 5.2 评价指标 | 第48-49页 |
| 5.3 实验结果 | 第49-53页 |
| 5.3.1 RFM预测效果 | 第49-50页 |
| 5.3.2 SVM对比实验 | 第50-51页 |
| 5.3.3 性能效率分析 | 第51-52页 |
| 5.3.4 RFM推荐新颖性测试 | 第52-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第6章 结论和展望 | 第54-56页 |
| 6.1 总结 | 第54页 |
| 6.2 展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表论文及参与项目情况 | 第61页 |
