声明
摘要
第1章 绪论
1.1 引言
1.2 研究背景与意义
1.3 本文内容安排
第2章 个性化推荐算法在影视推荐领域的技术与应用
2.1 个性化推荐算法
2.1.1 基于内容的推荐算法
2.1.2 基于邻域的推荐算法
2.1.3 基于图模型的推荐算法
2.1.4 基于关联规则的推荐算法
2.1.5 组合推荐算法
2.1.6 个性化推荐算法小结
2.2 个性化推荐算法在影视推荐领域的应用
2.2.1 Netflix电影推荐引擎
2.2.2 Hulu的个性化推荐引擎
2.2.3 Jinni的个性化推荐引擎
2.2.4 百度随心看推荐引擎
2.2.5 推荐系统小结
2.3 本章小结
第3章 隐语义模型推荐算法研究
3.1 隐含语义分析技术与LFM模型
3.2 LFM的基础算法
3.3 加入相关偏执项后的Bias-LFM算法
3.4 Bias-LFM模型的算法的优缺点
3.5 本章小结
第4章 基于标签信息的隐语义模型推荐算法设计
4.1 基于标签信息的改进Bias-LFM模型算法
4.2 改进的Bias-LFM算法对推荐解释的改善
4.3 改进的Bias-LFM算法对推荐结果实时性的改善
4.4 本章总结
第5章 基于标签信息的隐语义模型推荐算法的实现与分析
5.1 推荐系统算法的评测实验方法与指标
5.1.1 推荐系统算法的评测实验的主要三种方法
5.1.2 推荐系统算法的离线评测的相关指标
5.2 基于标签信息的隐语义模型推荐算法离线实验与分析
5.2.1 离线实验的实验环境与数据集的选择
5.2.2 算法的实验的数据准备
5.2.3 基于标签信息的隐语义模型推荐算法的推荐引擎
5.2.4 算法的实现与分析比较
5.2.4 算法的对推荐结果实时性以及推荐解释的影响
5.3 本章小结
第6章 总结与展望
致谢
参考文献
武汉理工大学;