| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 课题背景 | 第11-13页 |
| 1.2 本文主要工作 | 第13页 |
| 1.3 本文结构 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第2章 相关研究综述 | 第15-25页 |
| 2.1 传统协同过滤方法综述 | 第15-17页 |
| 2.2 深度学习在推荐系统中的应用 | 第17-21页 |
| 2.2.1 深度神经网络在推荐系统中的应用 | 第18-19页 |
| 2.2.2 自动编码器在推荐系统中的应用 | 第19-21页 |
| 2.3 推荐系统冷启动问题及多视图数据融合问题 | 第21-24页 |
| 2.3.1 锚点图 | 第22-23页 |
| 2.3.2 神经网络 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于变分自动编码器的混合推荐算法 | 第25-43页 |
| 3.1 场景与问题描述 | 第25-26页 |
| 3.2 模型描述与推导 | 第26-34页 |
| 3.2.1 广义矩阵分解 | 第28-29页 |
| 3.2.2 变分自动编码器 | 第29-33页 |
| 3.2.3 稀疏评分特征处理 | 第33-34页 |
| 3.3 模型的优化求解 | 第34-41页 |
| 3.3.1 模型架构介绍 | 第34-37页 |
| 3.3.2 优化目标函数 | 第37-40页 |
| 3.3.3 联合求解算法 | 第40-41页 |
| 3.4 预测 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 实验结果及分析 | 第43-65页 |
| 4.1 实验环境与数据集 | 第43-44页 |
| 4.2 度量指标 | 第44-45页 |
| 4.3 对比方法 | 第45-46页 |
| 4.4 实验结果与分析 | 第46-62页 |
| 4.4.1 网络架构配置影响 | 第47-53页 |
| 4.4.2 与对比方法的比较 | 第53-62页 |
| 4.5 实验中训练模型技巧 | 第62-64页 |
| 4.5.1 Xavier初始化 | 第63页 |
| 4.5.2 Batch Normalization | 第63页 |
| 4.5.3 多batch并行 | 第63-64页 |
| 4.6 本章小结 | 第64-65页 |
| 第5章 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65页 |
| 5.2 展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 作者简历 | 第72页 |