基于用户行为挖掘的情景感知推荐
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题背景 | 第11-12页 |
| 1.2 基于知识型的餐饮推荐系统 | 第12-15页 |
| 1.3 本文工作与结构 | 第15-16页 |
| 1.3.1 本文工作 | 第15页 |
| 1.3.2 本文结构 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第2章 理论基础及相关工作 | 第17-29页 |
| 2.1 基于协同过滤的推荐 | 第17-19页 |
| 2.1.1 基于用户的协同过滤算法 | 第17-18页 |
| 2.1.2 基于物品的协同过滤算法 | 第18-19页 |
| 2.1.3 混合模型 | 第19页 |
| 2.2 基于情景感知的推荐 | 第19-22页 |
| 2.2.1 情景预过滤 | 第20-21页 |
| 2.2.2 情景后过滤 | 第21-22页 |
| 2.2.3 情景模型 | 第22页 |
| 2.3 矩阵分解算法 | 第22-24页 |
| 2.4 基于隐式行为反馈的个性化推荐 | 第24-27页 |
| 2.5 局部保留投影 | 第27-28页 |
| 2.5.1 构建邻接图 | 第27页 |
| 2.5.2 选择权重 | 第27-28页 |
| 2.5.3 特征映射 | 第28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 基于用户行为挖掘的情景感知相似度模型 | 第29-41页 |
| 3.1 用户行为语义挖掘 | 第29-30页 |
| 3.1.1 明确的用户行为语义信息处理 | 第29-30页 |
| 3.1.2 含蓄的用户行为语义处理 | 第30页 |
| 3.2 基于用户行为语义的情景感知模型 | 第30-34页 |
| 3.2.1 皮尔逊相关性模型 | 第30-31页 |
| 3.2.2 基于稀疏行为语义信息的模型 | 第31-32页 |
| 3.2.3 启发式用户行为语义模型 | 第32-34页 |
| 3.3 模型比较 | 第34-38页 |
| 3.4 改进的餐厅相似度模型 | 第38-40页 |
| 3.4.1 基于启发式情景感知模型的相似度 | 第38-39页 |
| 3.4.2 基于标签向量的强化相似度模型 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 基于用户行为挖掘的推荐算法 | 第41-49页 |
| 4.1 模型回顾 | 第41-42页 |
| 4.2 启发式贝叶斯个性化排序算法 | 第42-44页 |
| 4.3 基于相似度模型的算法改进 | 第44-46页 |
| 4.4 目标函数 | 第46页 |
| 4.5 算法推导 | 第46-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第5章 实验对比与分析 | 第49-58页 |
| 5.1 实验设置 | 第49页 |
| 5.2 实验数据集 | 第49-50页 |
| 5.3 实验数据处理 | 第50页 |
| 5.4 评价指标 | 第50-52页 |
| 5.5 测试集数据提取 | 第52-54页 |
| 5.6 对照实验 | 第54页 |
| 5.7 实验结果与分析 | 第54-57页 |
| 5.8 本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| 6.1 工作总结 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64页 |
