在线学习系统中的深度学习推荐算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 论文的主要内容与组织架构 | 第13-16页 |
| 第二章 推荐系统相关研究 | 第16-33页 |
| 2.1 协同过滤算法 | 第16-22页 |
| 2.1.1 基于最近邻的协同过滤算法 | 第17-18页 |
| 2.1.2 基于模型的协同过滤算法 | 第18-22页 |
| 2.2 基于内容的推荐算法 | 第22页 |
| 2.3 推荐系统的评价方法 | 第22-26页 |
| 2.3.1 推荐系统实验方法 | 第22-23页 |
| 2.3.2 推荐系统测评指标 | 第23-26页 |
| 2.4 深度学习 | 第26-32页 |
| 2.4.1 神经网络 | 第26-28页 |
| 2.4.2 自动编码机 | 第28-31页 |
| 2.4.3 卷积神经网络 | 第31-32页 |
| 2.5 小结 | 第32-33页 |
| 第三章 协同过滤方法 | 第33-49页 |
| 3.1 基于有监督自动编码机的协同过滤算法 | 第33-39页 |
| 3.1.1 基于自动编码机的协同过滤算法 | 第33-35页 |
| 3.1.2 基于有监督自动编码机的推荐方法 | 第35-37页 |
| 3.1.3 基于胡博函数的约束 | 第37-39页 |
| 3.2 实验及结果分析 | 第39-48页 |
| 3.2.1 数据集与指标 | 第39-40页 |
| 3.2.2 模型实现与对比模型 | 第40-41页 |
| 3.2.3 实验结果与讨论 | 第41-48页 |
| 3.3 小结 | 第48-49页 |
| 第四章 基于内容的推荐方法 | 第49-63页 |
| 4.1 基于卷积神经网络的推荐方法 | 第49-54页 |
| 4.1.1 基于内容的推荐框架 | 第49-50页 |
| 4.1.2 卷积神经网络 | 第50-51页 |
| 4.1.3 隐含因子模型 | 第51-54页 |
| 4.2 实验及结果分析 | 第54-62页 |
| 4.2.1 数据集与指标 | 第54-55页 |
| 4.2.2 模型实现与对比模型 | 第55-56页 |
| 4.2.3 实验结果与讨论 | 第56-62页 |
| 4.3 小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-64页 |
| 5.1 总结 | 第63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士期间发表的论文 | 第69-70页 |
| 致谢 | 第70页 |
