声明
摘要
第1章 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 基于内容的推荐算法
1.2.2 基于记忆的协同过滤算法
1.2.3 基于模型的协同过滤算法
1.3 论文的主要工作及组织结构
1.3.1 本文主要工作
1.3.2 本文组织结构
1.4 本章小结
第2章 相关技术综述
2.1 基本内容的推荐算法
2.2 用户-物品评分矩阵
2.3 基于物品的协同过滤
2.4 基于评分矩阵的物品相似度计算
2.5 基于模型的协同过滤算法
2.5.1 概率矩阵分解
2.5.2 协同主题回归算法
2.5.3 隐式因子和隐式主题算法
2.5.4 社交关系正则化算法
2.6 本章小结
第3章 基于物品相似度和主题回归的矩阵分解推荐算法CTR-SIM
3.1 CTR-SIM模型定义
3.1.1 概率矩阵分解
3.1.2 主题回归
3.1.3 相似度正则化
3.2 相似度函数的选取
3.2.1 余弦相似度
3.2.2 杰卡德相似性系数
3.3 使用CTR-SIM模型的推荐算法
3.3.1 训练阶段
3.3.2 预测阶段
3.4 本章小结
第4章 实验与分析
4.1 数据集
4.2 评价标准
4.3 实验方案
4.4 实验结果与分析
4.4.1 不同参数对模型的影响
4.4.2 对比方案
4.4.3 不同相似度的影响
4.4.4 Top M值对召回率的影响
4.5 本章小结
第5章 总结与展望
5.1 本文工作
5.2 未来工作展望
参考文献
致谢