声明
摘要
图目录
表目录
1.1 引言
1.2研究内容
1.3本文的组织结构
第2章相关工作
2.1协同过滤
2.2基于隐式反馈数据的推荐
2.3社交推荐
2.4本章小结
第3章基于潜在社区与采样的推荐系统
3.1 问题描述
3.2基于爆光度的矩阵分解(ExpoMF)
3.2.2从变分角度分析
3.2.3用爆光度作为数据点置信权重
3.3算法细节
3.3.1通过潜在社区建模爆光度
3.3.2采样方法
3.3.3参数学习
3.3.4推荐过程
3.4讨论分析
3.4.1复杂度分析
3.4.2存在的问题
3.5本章小结
第4章基于用户-物品二分图与采样的推荐方法
4.1设计思路
4.1.1 LaWalker
4.1.2通过用户-物品二分图引入稀疏性与特异性
4.1.3 BiWalker
4.2算法细节
4.2.1爆光度的传播
4.2.2注意力机制
4.2.3采样方法
4.2.4参数学习
4.2.5推荐过程
4.3时间复杂度分析
4.4本章小结
第5章实验设计与结果分析
5.1实验数据集
5.1.1 Movielens
5.1.2 LastFM
5.1.3 Epinions
5.1.4 Ciao
5.2实验环境
5.3对比方法
5.4评价指标
5.5实验结果与分析
5.5.1 与非社交推荐方法对比
5.5.2与社交推荐方法对比
5.5.3注意力机制对BiWalker的影响
5.6本章小结
6.1本文工作总结
6.2未来工作展望
参考文献
致谢
浙江大学;