声明
摘要
图目录
表目录
缩写、符号清单、术语表
1．1研究背景
1．2本研究面临的主要挑战
1．3研究动机与内客
1．4本文组织结构
第2章研究基础与现状
2．1．1推荐数据类型
2．1．2基于用户隐式行为的两大协同过滤框架
2．1．3基于成对排序框架的混合推荐算法
2．1．4基于深度学习的隐式行为推荐算法
2．1．5基于隐式序列行为推荐算法
2．2兴趣点推荐技术
2．3连续兴趣点推荐技术
2．4本章小结
第3章基于隐式反馈的混合成对推荐算法研究
3．1引言
3．2相关研究基础
3．3基于隐式反馈的混合成对推荐方法
3．3．1符合和问题定义
3．3．2堆叠去噪自动编码器
3．3．3协同深度排名模型
3．3．4参数学习
3．3．5预测
3．3．6复杂度分析
3．4实验分析与结果
3．4．1数据集
3．4．2评价指标
3．4．3对比方法和实验设置
3．4．4性能对比
3．4．5重要参数影响
3．5本章小结
第4章基于层次注意力网络的序列推荐算法研究
4．1引言
4．2相关研究基础
4．3序列分层注意力网络
4．3．1符合和问题定义
4．3．2序列分层注意力网络架构
4．3．3嵌入层
4．3．4长期偏好注意力池化层
4．3．5长短期偏好注意力池化层
4．4模型推导
4．5实验分析与结果
4．5．1数据集
4．5．2评价指标
4．5．3对比算法
4．5．4性能对比
4．5．5长短期偏好影响
4．5．6超参数分析
4．6本章小结
第5章基于非对称投影时间感知度量嵌入的连续兴趣点推荐研究
5．1引言
5．2相关研究基础
5．2．1传统的POI推荐
5．2．2连续的POI推荐
5．3基于真实签到数据集的模式分析
5．3．1数据集介绍
5．3．2用户行为模武分析
5．4非对称投影时间感知度量嵌入算法
5．4．1问题定义
5．4．2模型构建
5．4．3模型推理和参数学习
5．5实验分析与结果
5．5．1实验设置与对比方法
5．5．2性能对比
5．5．4潜空间维数影响
5．6本章小结
第6章基于用户多种隐式行为的兴趣点推荐研究
6．1引言
6．2相关研究基础
6．3基于用户多行为的兴趣点推荐方法
6．3．1模型概述
6．3．2基于用户多行为的上下文图构造
6．4实验分析与结果
6．4．1数据集与评价指标
6．4．2对比方法
6．4．3算法性能比较
6．4．4用户多行为分析
6．4．5超参数影响
6．5本章小结
7．1本文工作总结
7．2未来工作展望
参考文献
攻读博士学位期间主要研究成果
致谢
浙江大学;
