| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和目的 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 研究内容与方法 | 第14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第2章 相关技术 | 第16-28页 |
| 2.1 推荐系统简介 | 第16-18页 |
| 2.1.1 协同过滤 | 第16-17页 |
| 2.1.2 基于内容的推荐 | 第17-18页 |
| 2.2 深度学习简介 | 第18-23页 |
| 2.2.1 神经网络介绍 | 第18-20页 |
| 2.2.2 卷积神经网络 | 第20-23页 |
| 2.3 集成学习简介 | 第23-27页 |
| 2.3.1 随机森林 | 第24-25页 |
| 2.3.2 梯度提升树 | 第25-26页 |
| 2.3.3 集成学习在推荐系统中的应用介绍 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 服装搭配推荐算法分析与研究 | 第28-46页 |
| 3.1 服装搭配推荐问题分析 | 第28-30页 |
| 3.2 服装搭配协同推荐算法分析与研究 | 第30-36页 |
| 3.2.1 服装搭配协同推荐算法分析 | 第30-31页 |
| 3.2.2 服装搭配协同推荐算法研究 | 第31-34页 |
| 3.2.3 基于矩阵分解的服装搭配推荐算法研究 | 第34-36页 |
| 3.3 基于内容的服装搭配推荐算法分析与研究 | 第36-38页 |
| 3.3.1 基于内容的服装搭配推荐分析 | 第36-37页 |
| 3.3.2 基于服装标题内容的搭配推荐算法 | 第37-38页 |
| 3.4 基于关联规则挖掘的服装搭配推荐算法分析与研究 | 第38-41页 |
| 3.5 实验与分析 | 第41-45页 |
| 3.5.1 实验数据与测评标准 | 第41-42页 |
| 3.5.2 实验与结果分析 | 第42-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 基于深度学习的服装搭配推荐算法研究 | 第46-68页 |
| 4.1 基于深度学习的服装图像特征挖掘方法研究 | 第46-49页 |
| 4.1.1 卷积神经网络结构研究 | 第46-48页 |
| 4.1.2 基于深度学习的服装特征提取 | 第48-49页 |
| 4.2 基于服装图像特征的搭配算法研究 | 第49-56页 |
| 4.2.1 基于服装图像特征近邻的搭配推荐 | 第49-50页 |
| 4.2.2 CNN-GBT模型的提出 | 第50-52页 |
| 4.2.3 GBTree算法研究与改进 | 第52-56页 |
| 4.3 基于迁移学习的搭配算法研究 | 第56-59页 |
| 4.3.1 迁移学习方法研究 | 第56-57页 |
| 4.3.2 TCNN-GBT模型的提出 | 第57-59页 |
| 4.4 实验与分析 | 第59-67页 |
| 4.4.1 实验环境与测评标准 | 第59-61页 |
| 4.4.2 实验与结果分析 | 第61-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第5章 服装搭配混合推荐算法研究 | 第68-78页 |
| 5.1 服装搭配混合推荐问题分析 | 第68-69页 |
| 5.2 服装搭配混合推荐算法研究 | 第69-74页 |
| 5.2.1 算法融合方法研究 | 第69-70页 |
| 5.2.2 服装搭配混合推荐算法 | 第70-72页 |
| 5.2.3 特征工程 | 第72-74页 |
| 5.3 实验与分析 | 第74-77页 |
| 5.3.1 实验过程 | 第74-76页 |
| 5.3.2 实验分析 | 第76-77页 |
| 5.4 本章小结 | 第77-78页 |
| 第6章 总结与展望 | 第78-80页 |
| 6.1 工作总结 | 第78-79页 |
| 6.2 展望 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 攻读学位期间发表的论文及参与的科研项目 | 第84-86页 |
| 发表的论文 | 第84-86页 |
| 致谢 | 第86页 |