基于用户物品成对分块的协同过滤算法
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第7-9页 |
| 表格索引 | 第9-10页 |
| 插图索引 | 第10-11页 |
| 算法索引 | 第11-12页 |
| 第一章 引言 | 第12-18页 |
| ·推荐系统与协同过滤 | 第12-14页 |
| ·协同过滤的研究现状 | 第14-16页 |
| ·本文主要工作 | 第16-18页 |
| 第二章 用户物品成对分块协同过滤的一般框架 | 第18-30页 |
| ·协同过滤形式化定义与符号说明 | 第18页 |
| ·典型的基于独立相似的协同过滤算法 | 第18-22页 |
| ·基于用户和基于物品的协同过滤 | 第18-19页 |
| ·相似度汇聚算法 | 第19-20页 |
| ·融合社会关系的协同过滤 | 第20-21页 |
| ·迭代计算相似关系的协同过滤 | 第21-22页 |
| ·现有的基于依赖相似的协同过滤算法 | 第22-25页 |
| ·基于用户物品同时聚类的推荐算法 | 第22-23页 |
| ·物品加权的用户相似度量 | 第23-24页 |
| ·多类协同过滤算法 | 第24-25页 |
| ·用户物品成对分块推荐算法的框架 | 第25-30页 |
| 第三章 用户物品成对分块框架的具体实现 | 第30-42页 |
| ·统一特征提取与用户对齐 | 第30-34页 |
| ·统一特征提取的形式化 | 第30-32页 |
| ·统一特征提取的求解算法 | 第32-33页 |
| ·用户相对于物品的对齐 | 第33-34页 |
| ·物品聚类 | 第34-40页 |
| ·通过MinHashing计算物品之间的相似度 | 第34-37页 |
| ·通过改进的谱聚类对物品进行聚类 | 第37-40页 |
| ·基于分块的推荐预测 | 第40-42页 |
| ·全局预测特征学习 | 第40-41页 |
| ·块内预测特征学习 | 第41-42页 |
| 第四章 实验评价 | 第42-54页 |
| ·评价方法 | 第42-45页 |
| ·实验设置 | 第45页 |
| ·参数训练 | 第45-51页 |
| ·实验对比 | 第51-54页 |
| 第五章 结论与展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 在读期间发表的学术论文与取得的研究成果 | 第62页 |
