基于卷积神经网络的电影推荐模型研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究目标和研究内容 | 第12-13页 |
| 1.4 论文组织与结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第2章 基础理论与相关技术 | 第15-30页 |
| 2.1 电影推荐系统 | 第15-16页 |
| 2.2 个性化推荐算法 | 第16-21页 |
| 2.2.1 基于用户的推荐算法 | 第17-18页 |
| 2.2.2 基于物品的推荐算法 | 第18-19页 |
| 2.2.3 基于隐语义模型的推荐算法 | 第19-20页 |
| 2.2.4 基于隐语义与邻域算法的比较 | 第20-21页 |
| 2.3 聚类算法 | 第21页 |
| 2.4 人工神经网络 | 第21-29页 |
| 2.4.1 卷积神经网络 | 第22-25页 |
| 2.4.2 神经元与激活函数 | 第25-28页 |
| 2.4.3 梯度下降法 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于卷积神经网络的电影评分预测研究 | 第30-43页 |
| 3.1 卷积神经网络与电影评分预测 | 第30-37页 |
| 3.1.1 卷积神经网络的基本特征 | 第30-31页 |
| 3.1.2 卷积神经网络的算法 | 第31-33页 |
| 3.1.3 防止过拟合现象 | 第33-34页 |
| 3.1.4 卷积神经网络与评分预测 | 第34-35页 |
| 3.1.5 基于卷积神经网络的电影评分预测算法 | 第35-37页 |
| 3.2 基于卷积神经网络的电影评分预测算法验证 | 第37-42页 |
| 3.2.1 数据选择 | 第37-38页 |
| 3.2.2 评价指标 | 第38-39页 |
| 3.2.3 结果分析与对比 | 第39-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第4章 基于卷积神经网络的电影推荐模型研究 | 第43-66页 |
| 4.1 电影推荐模型的总设计 | 第43-44页 |
| 4.2 电影推荐模型的评价方法 | 第44-46页 |
| 4.2.1 推荐模型的评测指标 | 第44-45页 |
| 4.2.2 数据验证方法 | 第45-46页 |
| 4.3 电影推荐模型 | 第46-61页 |
| 4.3.1 电影评分数据集 | 第46-51页 |
| 4.3.2 数据预处理模块 | 第51-54页 |
| 4.3.3 电影评分预测模块 | 第54-60页 |
| 4.3.4 电影评分处理模块 | 第60-61页 |
| 4.4 电影推荐模型测试结果及分析 | 第61-65页 |
| 4.4.1 实验平台及环境 | 第61页 |
| 4.4.2 Movielens-1M数据集 | 第61-62页 |
| 4.4.3 评估结果 | 第62-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第5章 总结与展望 | 第66-68页 |
| 5.1 论文总结 | 第66页 |
| 5.2 下一步研究工作 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读学位期间公开发表论文 | 第72-73页 |
| 致谢 | 第73页 |
