基于深度迁移学习的个性化推荐系统研究

目录

声明

1 绪论

1.1 研究背景

1.2 国内外研究现状

1.3 研究内容和组织结构

2 相关方法与理论基础

2.1 基于邻域推荐算法

2.1.1 基于用户的协同过滤算法

2.1.2 基于物品的协同过滤算法

2.1.3 融合时间上下文推荐

2.2 矩阵分解推荐算法

2.3 神经网络

2.3.1 深度神经网络

2.3.2 迁移学习

2.3.3 注意力机制

2.4 本章小结

3 基于迁移神经网络矩阵分解的服务质量预测模型

3.1 引言

3.2 服务质量预测模型

3.2.1 问题描述

3.2.2 模型架构

3.3 实验与分析

3.3.1 评价指标

3.3.2 实验结果

3.4 模型分析

3.5 本章小结

4 基于用户-项目交叉注意力机制的迁移推荐模型

4.1 引言

4.2 交叉注意力模型

4.2.1 UIA模型

4.2.2 模型迁移

4.3 实验与分析

4.3.1 评价指标

4.3.2 基准方法

4.3.3 实验结果

4.4 模型分析

4.5 本章小结

5 基于 Django 框架的推荐系统应用

5.1 概述

5.2 MVT简述

5.3 推荐设计

5.3.1 数据导入

5.3.2 模型设计

5.3.3 页面展示

5.4 交互设计

5.4.1 模型评价

5.4.2 数据收集

5.5 本章小结

6 总结与展望

6.1 总结

6.2 展望

参考文献

致谢

攻读硕士期间发表的论文及参加的科研项目

附录一表目录

附录二图目录

版权声明