声明
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文的主要工作
1.3.1 本文算法的假设
1.3.2 本文的研究内容
1.3.3 本文的创新点
1.4 本文的结构与安排
2 推荐系统综述
2.1 传统的推荐算法
2.1.1 协同过滤推荐系统
2.1.2 基于内容的推荐系统
2.1.3 复合推荐系统
2.2 基于深度学习的推荐方法
2.3 本章小节
3 基于概率矩阵分解的协同过滤
3.1 算法背景介绍
3.2 概率矩阵分解相关技术
3.2.1 标准的矩阵分解
3.2.2 概率矩阵分解算法
3.2.3 卷积矩阵分解算法
3.3 信任概率矩阵分解
3.3.1 信任的特点
3.3.2 融入信任关系的概率矩阵分解
3.4 融入信任关系的卷积概率矩阵分解
3.4.1 假设基础
3.4.2 算法综述
3.4.3 模型构建
3.5 本章小节
4 实验结果
4.1 实验准备
4.1.1 实验语言
4.1.2 实验数据集
4.1.3 数据集预处理
4.1.4 实验方法
4.1.5 评估指标
4.2 对比模型
4.3 参数设置
4.4 实验结果
4.5 参数分析
4.6 本章小节
结论
参考文献
致谢
大连理工大学学位论文版权使用授权书
大连理工大学;