声明
摘要
符号说明
第一章绪论
1.1研究背景及意义
1.2推荐模型研究现状
1.3本文研究内容
1.4本文组织结构
第二章推荐模型基础
2.1推荐模型概述
2.2基于内存的协同过滤
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传统相似度计算模型
2.2.4传统相似度计算模型存在的缺陷
2.3基于模型的协同过滤
2.4推荐系统评价指标
2.5实验数据集
2.6本章小结
第三章基于用户可信度的矩阵分解推荐模型
3.1基于用户可信度的矩阵分解模型
3.1.1全局偏置
3.1.2用户评分可信度
3.2基于用户可信度的矩阵分解模型求解
3.3实验验证
3.3.1正则化参数与模型收敛的关系
3.3.2学习率与模型收敛的关系
3.3.3不同模型的收敛性能对比
3.4本章小结
第四章融合局部和全局相似度的协同过滤推荐模型
4.1局部相似度计算模型
4.1.1评分离散化
4.1.2非线性计算模型
4.2全局相似度计算模型
4.2.1奇点因子
4.2.2用户评分习惯因子
4.3融合局部和全局相似度计算模型
4.4实验分析
4.4.1对比算法
4.4.2实验对比分析
4.5本章小结
第五章总结与展望
5.1总结
5.2展望
参考文献
致谢
研究成果及发表的学术论文
作者与导师简介
北京化工大学;