声明
1 绪论
1.1 研究背景与意义
1.2 国内外研究概况
1.3 论文的主要研究内容
1.3.1 主要研究内容
1.3.2 章节安排
2 相关工作
2.1 Tensorflow深度学习框架
2.2 深度学习
2.2.1 深度学习简介
2.2.1 多层感知机
2.3 防止过拟合
2.3.1 正则化
2.3.2 随机丢弃
2.3.3 提前终止
2.4 本章小结
3 深度神经矩阵分解
3.1 问题描述
3.2 广度与深度学习模型和神经协同过滤模型
3.2.1 广度与深度学习模型
3.2.2 基于神经网络的协同过滤
3.3 矩阵分解
3.4 深度网络矩阵分解
3.5 算法实现
3.5.1 损失函数
3.5.2 反向传播
3.5.3 训练算法
3.6 本章小结
4 实验评估
4.1 实验方案
4.1.1 数据集
4.1.2评价指标
4.1.3 模型比较
4.1.4 参数设置
4.2 性能比较
4.3 关键组件有效性测试
4.3.1 记忆单元有效性
4.3.2 深层特征提取空间有效性
4.4 超参数测试
4.4.1 不同预测因子的数量下模型的结果
4.4.2 不同负采样率下模型的结果
4.4.3 不同网络层深度下模型的结果
4.5 本章小结
5 总结与展望
5.1 研究总结
5.2 未来展望
致谢
参考文献
