基于监督学习的多样化推荐算法研究
| 摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 主要贡献和创新点 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第二章 基础知识概述 | 第18-23页 |
| 2.1 推荐系统和协同过滤算法 | 第18-20页 |
| 2.1.1 基于记忆的协同过滤方法 | 第18-19页 |
| 2.1.2 基于模型的协同过滤方法 | 第19-20页 |
| 2.2 推荐系统多样性 | 第20-21页 |
| 2.2.1 总体多样性 | 第20页 |
| 2.2.2 个体多样性 | 第20-21页 |
| 2.3 机器学习和结构化支持向量机 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 数学模型构建 | 第23-26页 |
| 3.1 参数化矩阵分解问题 | 第23-24页 |
| 3.2 基于学习的多样化推荐问题 | 第24页 |
| 3.3 本章小结 | 第24-26页 |
| 第四章 算法描述和优化策略 | 第26-37页 |
| 4.1 训练集标注 | 第26-27页 |
| 4.2 损失函数 | 第27-28页 |
| 4.2.1 参数化矩阵分解的损失函数 | 第27-28页 |
| 4.2.2 基于学习的多样化推荐的损失函数 | 第28页 |
| 4.3 联合特征向量 | 第28-29页 |
| 4.4 误差函数 | 第29-30页 |
| 4.4.1 精确度误差 | 第29-30页 |
| 4.4.2 多样性误差 | 第30页 |
| 4.4.3 综合误差 | 第30页 |
| 4.5 基于学习的多样化协同过滤算法 | 第30-35页 |
| 4.5.1 参数化矩阵分解优化 | 第31-32页 |
| 4.5.2 结构化支持向量机优化 | 第32-34页 |
| 4.5.3 对角矩阵的优化 | 第34页 |
| 4.5.4 基于学习的多样化协同过滤算法伪代码 | 第34-35页 |
| 4.6 生成推荐列表 | 第35页 |
| 4.7 本章小结 | 第35-37页 |
| 第五章 实验设计与分析 | 第37-45页 |
| 5.1 数据集 | 第37-38页 |
| 5.2 评价指标 | 第38-40页 |
| 5.2.1 精确度评价指标 | 第38-39页 |
| 5.2.2 多样性评价指标 | 第39-40页 |
| 5.2.3 F测度 | 第40页 |
| 5.3 基准算法 | 第40页 |
| 5.4 实验结果 | 第40-43页 |
| 5.5 本章小结 | 第43-45页 |
| 第六章 总结与展望 | 第45-47页 |
| 6.1 总结 | 第45-46页 |
| 6.2 展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50-51页 |
| 攻读学位期间发表的学术论文目录 | 第51-52页 |
| 攻读学位期间参加的科研项目 | 第52-53页 |
| 附件 | 第53页 |
