基于随机梯度下降的张量分解方法及其在视频标签推荐中的应用

目录

声明

第一章 绪论

1.1 课题的研究背景和意义

1.2 课题的研究现状

1.2.1 张量构建的研究现状

1.2.2 张量分解的研究现状

1.2.3 融合朋友关系的研究现状

1.3 课题主要工作

1.4 论文的组织结构

第二章 视频标签推荐方法概述

2.1 标签推荐系统

2.1.1 标签概念

2.1.2 传统标签推荐算法

2.2 基于张量分解的标签推荐算法

2.2.1 张量概念

2.2.2 张量分解算法

2.3 本章小结

第三章 基于惩罚机制与用户评分的初始张量构造

3.1 PMUS算法

3.2 实验对比

3.2.1 数据集

3.2.2 实验设置

3.2.3 实验结果

3.3 本章小结

第四章 基于随机梯度下降并融合朋友关系的张量分解和修正

4.1 HOSGD 算法

4.1.1 算法思想

4.1.2 算法描述

4.1.3 实验对比

4.2 融合朋友关系的张量修正

4.2.1 算法思想

4.2.2 张量修正流程

4.2.3 实验结果与分析

4.3 算法时间复杂度分析

4.4 本章小结

第五章 总结与展望

5.1 论文总结

5.2 工作展望

参考文献

攻读学位期间所取得的相关科研成果

致谢