基于矩阵分解和随机游走相结合的推荐算法
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-13页 |
| ·课题背景及研究意义 | 第10-11页 |
| ·课题背景 | 第10页 |
| ·研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·论文的组织框架 | 第12-13页 |
| 2 相关理论基础 | 第13-18页 |
| ·协同过滤 | 第13-15页 |
| ·相似度 | 第15页 |
| ·矩阵分解 | 第15-16页 |
| ·随机游走 | 第16-18页 |
| 3 评测指标和数据集 | 第18-25页 |
| ·评测指标 | 第18-21页 |
| ·用户满意度 | 第18-19页 |
| ·预测准确度 | 第19-20页 |
| ·覆盖率 | 第20-21页 |
| ·数据集 | 第21-25页 |
| ·数据集的特性 | 第21-23页 |
| ·常用数据集 | 第23-25页 |
| 4 分解机实现及应用 | 第25-44页 |
| ·分解机模型 | 第25-28页 |
| ·预测稀疏数据 | 第25-27页 |
| ·模型介绍 | 第27-28页 |
| ·学习算法 | 第28-35页 |
| ·优化任务 | 第29-30页 |
| ·随机梯度递减 | 第30-31页 |
| ·交替最小二乘法 | 第31-35页 |
| ·分解机实现 | 第35-41页 |
| ·用户分组特征 | 第36-39页 |
| ·缓存 | 第39-40页 |
| ·配置文件 | 第40-41页 |
| ·模拟分解模型 | 第41-44页 |
| ·特征 | 第41-42页 |
| ·实验结果 | 第42-44页 |
| 5 隐含因子和随机游走 | 第44-56页 |
| ·隐含因子 | 第44-45页 |
| ·转移概率 | 第45-47页 |
| ·范数 | 第46页 |
| ·余弦值 | 第46-47页 |
| ·余弦修正的范数 | 第47页 |
| ·具体模型 | 第47-49页 |
| ·模型介绍 | 第47-48页 |
| ·算法 | 第48-49页 |
| ·实验结果及分析 | 第49-56页 |
| ·实验设计和度量标准 | 第50-51页 |
| ·实验比较 | 第51-54页 |
| ·实验结论及分析 | 第54-56页 |
| 6 总结与展望 | 第56-58页 |
| ·总结 | 第56-57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 作者简历 | 第60-62页 |
| 学位论文数据集 | 第62页 |
