声明
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 传统推荐算法
1.2.2 基于标签的推荐算法
1.3 论文主要工作
1.4 论文的组织结构
第2章 用户与资源特征提取方法
2.1 规范化标签定义
2.2 现有特征提取方法存在的问题
(1)数据稀疏问题
(2)用户及资源特征分析不够准确
(3)兴趣偏移问题
2.3 用户和资源的特征表示
2.3.1 用户特征表示
2.3.2 资源特征表示
2.4 基于优化标签特征的特征提取方法
2.4.1 标签特征矩阵重要性加权
2.4.2 数据降维
2.5 本章小结
第3章 基于标签特征的出版资源推荐算法
3.1 概率矩阵分解思想
3.2 推荐算法设计
3.2.1 相似邻居计算
3.2.2 近邻加权的矩阵分解算法
3.2.3 推荐流程描述
3.3 实验设计
3.3.1 实验环境与实验数据
3.3.2 实验对比算法
3.3.3 实验评价指标
3.4 实验结果及分析
3.4.1 矩阵降维对比实验
3.4.2 概率矩阵分解算法调参及对比实验
3.5 本章小结
第4章 冷启动问题与交互式推荐框架
4.1 冷启动问题研究
4.1.1 冷启动问题
4.1.2 解决方案
4.2 交互式推荐框架
4.2.1 交互式框架
4.2.2 资源推荐过程
4.3 实验结果分析
4.3.1 冷启动实验
4.3.2 交互式推荐实验
4.4 本章小结
第5章 总结与展望
5.1 工作总结
5.2 工作展望
致谢
参考文献
攻读学位期间发表的学术论文
武汉理工大学;