| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1. 研究背景 | 第9-10页 |
| 1.2. 研究意义 | 第10-11页 |
| 1.3. 研究内容 | 第11-13页 |
| 1.4. 主要贡献 | 第13-14页 |
| 1.5. 论文组织结构 | 第14-15页 |
| 第二章 相关技术与相关工作 | 第15-28页 |
| 2.1. 推荐算法 | 第15-22页 |
| 2.1.1. 评分预测 | 第15-18页 |
| 2.1.2. Top N推荐 | 第18-22页 |
| 2.1.3. 评分预测和Top N推荐比较 | 第22页 |
| 2.2. 排序学习 | 第22-27页 |
| 2.2.1. 排序学习算法的基本流程 | 第22-23页 |
| 2.2.2. 排序学习模型的三大类别 | 第23-25页 |
| 2.2.3. 典型模型介绍 | 第25-27页 |
| 2.3. 本章小结 | 第27-28页 |
| 第三章 用户多反馈的个性化排序推荐问题 | 第28-32页 |
| 3.1. 显式反馈和隐式反馈 | 第28-29页 |
| 3.2. 基于用户多反馈的个性化排序推荐的问题定义 | 第29页 |
| 3.3. 基础算法介绍 | 第29-31页 |
| 3.4. 本章小结 | 第31-32页 |
| 第四章 融合用户多反馈的排序学习算法研究与设计 | 第32-50页 |
| 4.1. SFPR模型设计 | 第32-33页 |
| 4.2. SFPR模型学习 | 第33-35页 |
| 4.3. MFPR模型设计及学习 | 第35-36页 |
| 4.4. 实验环境及数据集 | 第36-38页 |
| 4.5. 评价指标 | 第38-39页 |
| 4.6. SFPR及MFPR相关实验 | 第39-48页 |
| 4.6.1. 对比方法 | 第39-40页 |
| 4.6.2. SFPR和MFPR有效性验证实验 | 第40-43页 |
| 4.6.3. 整合不同隐式反馈信息对SFPR的影响 | 第43-46页 |
| 4.6.4. 平均权重的SFPR线性组合与MFPR对比实验 | 第46-47页 |
| 4.6.5. 参数实验 | 第47-48页 |
| 4.7. 本章小结 | 第48-50页 |
| 第五章 偏序样本生成算法研究与设计 | 第50-59页 |
| 5.1. IPPE算法设计 | 第50-54页 |
| 5.1.1. IPUC算法 | 第50-51页 |
| 5.1.2. IPRE算法 | 第51-52页 |
| 5.1.3. IPPE算法 | 第52-54页 |
| 5.2. IPPE算法有效性验证 | 第54-56页 |
| 5.3. 不同偏序样本生成算法对SFPR和MFPR的影响 | 第56-58页 |
| 5.4. 本章小结 | 第58-59页 |
| 第六章 融合用户多反馈信息的原型推荐系统设计与实现 | 第59-67页 |
| 6.1. 需求分析 | 第59-60页 |
| 6.2. 系统架构 | 第60-61页 |
| 6.3. 系统实现及使用 | 第61-63页 |
| 6.4. 案例分析 | 第63-66页 |
| 6.4.1. 实验环境说明 | 第63-64页 |
| 6.4.2. 案例1:对比MFPR与SVD++推荐列表 | 第64-65页 |
| 6.4.3. 案例2:对比MFPR与EN-BPRMF推荐列表 | 第65-66页 |
| 6.5. 本章小结 | 第66-67页 |
| 第七章 总结与展望 | 第67-69页 |
| 7.1. 总结 | 第67-68页 |
| 7.2. 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间发表的学术论文 | 第74页 |
