社会媒体中基于深度学习的推荐算法研究

目录

声明

第一章 绪 论

1.1 研究背景与意义

1.2 国内外研究现状及趋势

1.2.1 基于协同过滤的推荐方法

1.2.2 基于深度学习的推荐算法

1.2.3 基于社交网络的推荐算法

1.3论文的主要内容与结构

1.3.1主要研究内容及创新点

1.3.2本文的组织结构

第二章 基础理论和技术

2.1 矩阵分解技术

2.2 用于文本挖掘的卷积神经网络

2.3 用于构建社交网络的图卷积神经网络

2.4 评估方法

2.5 本章小结

第三章 基于社交和评论的卷积矩阵分解算法

3.1 问题定义及符号说明

3.2 推荐算法

3.2.1 卷积矩阵分解模型（ConvMF）

3.2.2 社会关系增强的概率矩阵分解模型(SCMF)

3.2.3 用户评论增强的概率矩阵分解模型(SRCMF)

3.2.4优化过程

3.2.5 时间复杂度分析

3.3 实验结果与分析

3.3.1 数据集

3.3.2 实验设置

3.3.3 实验结果

3.3.4 相关参数分析

3.4 本章小结

第四章 基于社交传播的图卷积矩阵分解算法

4.1 问题定义及符号表示

4.2 推荐算法

4.2.1 模型架构

4.2.2用户社交嵌入特征

4.2.3优化过程

4.2.4时间复杂度分析

4.3 实验结果与分析

4.3.1 实验设置

4.3.2 实验结果

4.3.3 相关参数分析

4.4 本章小结

第五章 总结与展望

5.1 本文总结

5.2 未来展望

参考文献

攻读硕士学位期间的主要成果

致谢