| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11页 |
| 1.2 推荐系统领域研究现状 | 第11-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 章节安排 | 第15-17页 |
| 第二章 相关工作 | 第17-31页 |
| 2.1 隐含语义模型 | 第17-24页 |
| 2.1.1 SVD | 第18-19页 |
| 2.1.2 SVD和baseline predictors | 第19-20页 |
| 2.1.3 Asymmetric-SVD和SVD++ | 第20-22页 |
| 2.1.4 timeSVD++ | 第22-24页 |
| 2.2 ranking problem | 第24-28页 |
| 2.2.1 PairWise Ranking | 第24-25页 |
| 2.2.2 ListWise Ranking | 第25页 |
| 2.2.3 LambdaRank | 第25-27页 |
| 2.2.4 ListNet | 第27-28页 |
| 2.3 批梯度下降和随机梯度下降 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 数据集问题与基础矩阵分解模型的设计实现 | 第31-41页 |
| 3.1 数据集与问题 | 第31-33页 |
| 3.2 矩阵分解模型 | 第33-39页 |
| 3.2.1 数据预处理和基础模型的选取 | 第33-35页 |
| 3.2.2 模型共用参数 | 第35-36页 |
| 3.2.3 隐式反馈的选取 | 第36-38页 |
| 3.2.4 模型的求解 | 第38-39页 |
| 3.3 本章小结 | 第39-41页 |
| 第四章 梯度PairWise方法 | 第41-47页 |
| 4.1 排序模型训练实例的生成 | 第41-44页 |
| 4.2 模型训练方法 | 第44-45页 |
| 4.3 模型的求解 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 模型融合与系统实验 | 第47-55页 |
| 5.1 模型融合 | 第47-49页 |
| 5.2 数据验证 | 第49-55页 |
| 5.2.1 矩阵分解模型参数 | 第49-51页 |
| 5.2.2 梯度PairWise模型参数 | 第51-52页 |
| 5.2.3 模型融合训练和最终结果 | 第52-55页 |
| 第六章 总结与展望 | 第55-59页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-67页 |
| 攻读学位期间发表的学术论文 | 第67页 |