基于词向量的推荐算法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 1. 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 研究内容和研究方法 | 第13-14页 |
| 1.4 创新点及研究思路 | 第14-15页 |
| 1.5 论文章节结构 | 第15-16页 |
| 2. 推荐算法相关研究 | 第16-29页 |
| 2.1 协同过滤推荐算法 | 第16-21页 |
| 2.2 基于内容的推荐算法 | 第21-26页 |
| 2.2.1 基于内容的推荐算法流程 | 第21-22页 |
| 2.2.2 基于向量空间模型的内容推荐 | 第22-26页 |
| 2.3 推荐算法比较分析 | 第26-28页 |
| 2.4 推荐系统的多样性问题 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 3. 基于词向量的推荐算法研究 | 第29-39页 |
| 3.1 词向量算法 | 第29-37页 |
| 3.1.1 词向量来源介绍 | 第29-34页 |
| 3.1.2 doc2vec | 第34-36页 |
| 3.1.3 doc2vec的优势 | 第36-37页 |
| 3.2 基于词向量的推荐算法框架 | 第37-38页 |
| 3.3 用户-商品相似模型构建 | 第38-39页 |
| 4. 基于用户偏好-商品特征的推荐算法对比实验 | 第39-51页 |
| 4.1 实验环境 | 第39页 |
| 4.2 实验过程 | 第39-49页 |
| 4.2.0 实验整体流程 | 第39-40页 |
| 4.2.1 实验数据准备 | 第40-41页 |
| 4.2.2 数据预处理 | 第41-42页 |
| 4.2.3 商品特征抽取 | 第42-45页 |
| 4.2.4 用户偏好特征学习 | 第45-47页 |
| 4.2.5 用户-商品相似度计算 | 第47-49页 |
| 4.3 对比实验结果分析 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 5. 总结及展望 | 第51-54页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57页 |
