声明
第一章 绪 论
1.1 研究工作的背景与意义
1.2 国内外研究历史与现状
1.2.1 利用深度学习进行推荐的研究现状
1.2.2 兴趣点推荐的研究现状
1.3 本文的主要工作与创新
1.4 本论文的结构安排
第二章 相关理论与技术
2.1 推荐算法
2.2 自然语言处理
2.2.1 词向量建模
2.2.2 意见挖掘
2.3 图表示学习
2.4 本章小结
第三章 混合多特征的推荐算法设计
3.1 交互图网络表示学习
3.2 兴趣点文本特征建模
3.2.1 简介向量建模
3.2.2 评论特征建模
3.3 用户访问序列特征建模
3.4 模型整合
3.5 模型训练
3.6 本章小结
第四章 基于推荐模型的召回策略研究
4.1 基于向量的召回策略
4.2 基于文本特征的优化策略
4.3 基于时间的优化策略
4.4 推荐流程
4.5 本章小结
第五章 实验结果分析
5.1 实验运行环境与数据集
5.2 实验评价指标
5.3 不同特征因素对推荐结果的影响
5.3.1 推荐算法结果分析
5.3.2 图网络特征分析
5.3.3 文本评论特征的可解释性分析
5.4 召回策略的效果分析
5.5 本章小结
第六章 总结与展望
6.1 全文总结
6.2 不足与展望
致谢
参考文献