基于深度学习的服务推荐方法研究

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 基于协同过滤的服务推荐

1.2.2 基于深度学习的服务推荐

1.3 研究内容阐述

1.4 论文结构设计

1.5 本章小结

第二章 相关理论及方法

2.1 协同过滤相关理论及方法

2.1.1 基于记忆的协同过滤方法

2.1.2 基于模型的协同过滤方法

2.2 深度学习相关理论及方法

2.2.1 深度学习介绍及发展趋势

2.2.2 深度神经网络理论及方法

2.3 本章小结

第三章 时间感知的循环张量分解方法

3.1 问题定义

3.2 写作动机

3.3 架构设计

3.3.1 投影

3.3.2 初始化

3.3.3 训练

3.4 优化算法

3.5 损失函数

3.6 复杂度分析

3.7 实验结果与分析

3.7.1 数据集

3.7.2 预处理

3.7.3 评估指标

3.7.4 对比方法

3.7.5 实验环境

3.7.6 性能评估

3.8 本章小结

第四章 空间感知的深度协同过滤方法

4.1 问题定义

4.2 写作动机

4.3 架构设计

4.3.1 输入层

4.3.2 中间层

4.3.3 输出层

4.4 优化算法

4.5 损失函数

4.6 复杂度分析

4.7 实验结果与分析

4.7.1 数据集

4.7.2 预处理

4.7.3 评估指标

4.7.4 对比方法

4.7.5 实验环境

4.7.6 性能评估

4.8 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

参考文献

附录

Appendix

致谢

攻读学位期间发表的学术论文

攻读学位期间撰写的专利展示

攻读学位期间参与的项目展示