基于时序门控图神经网络的可解释序列推荐

目录

声明

第1章 绪 论

1.1 研究意义

1.2 研究现状

1.3 研究内容

1.4 本文结构

第2章 相关工作及知识介绍

2.1 传统推荐算法

2.1.1 传统推荐算法简介

2.1.2 基于协同过滤的推荐算法

2.1.3 基于内容的推荐算法

2.2 序列推荐算法

2.2.1 序列推荐算法简介

2.2.2 循环神经网络

2.2.3 门控图神经网络

2.2.4 循环神经网络在序列推荐算法中应用

2.3 可解释性推荐算法

2.3.1 可解释性推荐算法简介

2.3.2 卷积神经网络

2.3.3 注意力机制

2.4 本章小结

第3章 基于时序门控图神经网络的序列推荐算法

3.1 问题定义

3.2 时序门控图神经网络单元设计

3.2.1 构建会话图

3.2.2 单元设计

3.3 模型设计

3.3.1 节点向量计算

3.3.2 序列向量计算

3.3.3 推荐结果计算及模型训练

3.4 实验验证与分析

3.4.1 数据集

3.4.2 对比算法

3.4.3 评价标准

3.4.4 实验结果

3.5 本章小结

第4章 基于时序门控图神经网络的可解释推荐算法

4.1 问题定义

4.2 模型设计

4.2.1 数据处理

4.2.2 用户动态属性表示

4.2.1 物品属性表示

4.2.4 可解释性评分预测

4.3 实验验证与分析

4.3.1 数据集

4.3.2 对比算法

4.3.3 评价标准

4.3.4 实验结果

4.4 算法应用

4.5 本章小结

第5章 总结与展望

5.1 工作总结

5.2 工作展望

参考文献

作者简介及科研成果

致谢