属性交互感知的矩阵分解模型研究与推荐应用

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

1.2.1推荐系统研究现状

1.2.2矩阵分解模型研究现状

1.3 研究目标

1.4 论文的组织结构

第二章 相关理论与技术

2.1矩阵分解模型原理与实现

2.1.1 矩阵分解模型原理

2.1.2 机器学习实现矩阵分解

2.2 矩阵分解模型优化

2.2.1 融合隐式反馈信息的优化方法

2.2.2 融合附加信息的优化方法

2.3 场感知因子分解机

2.4 本章小结

第三章 改进的矩阵分解模型

3.1 AIMF模型描述

3.2 数据分割

3.2.1 属性数据预处理

3.2.2 评分矩阵分割

3.3 算法优化

3.3.1 正则化系数优化

3.3.2 隐向量维度优化

3.4 并行训练

3.5 组合预测

3.6 本章小结

第四章 AIMF模型评价

4.1 实验环境设置

4.1.1 数据集

4.1.2 对比模型

4.1.3 评价指标

4.1.4 运行环境

4.2 实验结果与评价

4.2.1 组合预测方法比较

4.2.2 隐向量维度优化效果比较

4.2.3 正则化系数优化效果比较

4.2.4 模型准确度比较

4.2.5 模型推荐命中率比较

4.2.6 模型训练时间比较

4.3 本章小结

第五章 基于AIMF的推荐系统框架与实现

5.1 应用背景与需求

5.2 基于AIMF模型的推荐系统设计

5.2.1 几个关键问题

5.2.2 模型更新处理

5.2.3 冷启动问题处理

5.2.4 开发模式及相关技术

5.3 系统实现

5.3.1 用户属性信息收集

5.3.2 用户评分反馈

5.3.3 用户近期偏好收集

5.3.4 产品推荐

5.4 本章小结

第六章 总结和展望

6.1 本文工作总结

6.2 未来工作展望

参考文献

致谢

攻读学位期间的研究成果