第一个书签之前
摘要
ABSTRACT
Contents
1 绪 论
1.1研究背景
1.2研究意义
1.3研究现状
1.4论文结构
2相关理论与技术
2.1基于内容的推荐
2.2协同过滤
2.2.1 基于用户的协同过滤
2.2.2基于项目的协同过滤
2.2.3 协同过滤的优势及挑战
2.3 矩阵分解模型
2.3.1矩阵分解算法
2.3.2矩阵分解推导过程
2.3.3矩阵分解的优势与挑战
2.4 本章小结
3 属性信息在矩阵分解初始化中的研究
3.1基于属性映射的初始化模型
3.1.1 基于物品属性映射机制
3.1.2基于属性映射的SVD++初始化模型
3.2 基于自动编码深度学习的SVD++初始化模型
3.3 实验验证
3.3.1实验参数以及评价准则
3.3.2实验结果及对比分析
3.4 本章小结
4 属性信息在解决推荐冷启动问题中的研究
4.1 基于属性近邻的矩阵分解模型
4.1.1属性相似度计算
4.1.2利用决策树分组
4.1.3构建属性决策树
4.1.5实验数据及评价准则
4.1.6实验方案
4.1.7实验结果与分析
4.2 基于属性偏置的矩阵分解模型
4.2.1统计属性评分差异
4.2.2基于属性偏置的矩阵分解
4.2.3实验数据
4.2.4实验方案
4.2.5实验结果与分析
4.3本章小结
5.1总结
5.2展望
致谢
参考文献
攻读学位期间取得的学术成果和获奖情况