声明
第1章 绪论
1.1 课题研究背景及意义
1.2 研究现状
1.2.1 评分预测研究现状
1.2.2 点击率预测研究现状
1.3 本文的主要研究内容
1.4 本文的组织结构
第2章 技术概述与相关方法
2.1 评分预测技术概述
2.2 评分预测相关方法
2.2.1 矩阵因子分解
2.2.2 因子分解机制FM
2.2.3 异质信息网络
2.2.4 双向循环神经网络
2.2.5 协同注意力机制Co-Attention
2.3 点击率预测技术概述
2.4 点击率预测相关技术
2.4.1 自注意力机制Self-Attention
2.4.2 记忆网络
第3章 基于动态主题协同注意力机制的评分预测模型
3.1 引言
3.2 模型介绍
3.2.1 评论信息提取模块
3.2.2 异质信息网络抽取模块
3.2.3 评分预测模块
3.3 实验
3.3.1 数据集和评价指标
3.3.2 实验过程
3.3.3 超参数分析
3.3.4 基线实验分析
3.3.5 消融实验分析
3.4 本章小结
第4章 基于用户长短时期及兴趣迁移的点击率预测模型
4.1 引言
4.2 模型介绍
4.2.1 基本模型
4.2.2 模型整体架构
4.2.3 短期兴趣提取层
4.2.4 长期兴趣迁移层
4.2.5 兴趣激活层
4.3 实验
4.3.1 数据集
4.3.2 基线模型
4.3.3 评价指标
4.3.4 基线实验分析
4.3.5 实验参数分析
4.3.6 消融实验分析
4.4 本章小结
第5章 总结与展望
5.1 工作总结
5.2 未来工作展望
致谢
参考文献
附录
杭州电子科技大学;