声明
第1章 绪论
1.1 课题背景
1.2 课题研究目标及意义
1.2.1 课题研究目标
1.2.2 课题研究意义
1.3 国内外研究现状
1.3.1 用户群组推荐算法研究现状
1.3.2 物品列表推荐算法研究现状
1.4 本文的研究重点
1.5 论文的组织结构
第2章 相关理论和技术
2.1 推荐系统任务的分类
2.2 推荐系统的评价指标
2.2.1 分类指标
2.2.2 排序指标
2.2.3 回归指标
2.3 推荐算法的分类
2.3.1 基于协同过滤的推荐算法
2.3.2 基于内容的推荐算法
2.3.3 基于混合方法的推荐算法
2.4 融合社交网络信息的推荐方法
2.5 本章小结
第3章 基于注意力机制的用户群组推荐
3.1 任务定义和模型概述
3.1.1 任务定义
3.1.2 模型概述
3.2 基于注意力机制的群组表示学习
3.2.1 用户聚合嵌入
3.2.2 群组偏好嵌入
3.3 基于共享参数NCF的交互学习
3.3.1 池化层
3.3.2 共享参数隐含层
3.3.3 模型的优化
3.4 实验方案与准备
3.4.1 实验数据集
3.4.2 实验评估指标和参数设置
3.5 实验分析
3.5.1 注意力机制的分析
3.5.2 模型对比和整体分析
3.5.3 群组表示学习中的消融分析
3.6 本章小结
第4章 融合社交信息的多层次注意力机制用户群组推荐
4.1 任务定义和模型概述
4.1.1 任务定义
4.1.2 模型概述
4.2 基于多层次注意力机制的表示学习
4.2.1 群组级别的注意力网络表示学习
4.2.2 用户级别的注意力网络表示学习
4.3 基于NCF的复杂交互学习
4.3.1 复杂交互学习
4.3.2 模型优化
4.4 实验准备和评估
4.5 实验分析
4.5.1 模型对比和整体分析
4.5.2 用户级别的注意力网络的分析
4.5.3 社交信息的有效性分析
4.6 本章小结
第5章 基于门控机制和注意力网络的列表推荐
5.1 任务定义和模型概述
5.1.1 任务定义
5.1.2 模型概述
5.2 多表征学习网络
5.2.1 物品级注意力层
5.2.2 自注意力层
5.2.3 属性级注意力层
5.2.4 门控融合层
5.3 基于外积的交互网络
5.3.1 外积交互
5.3.2 基于卷积神经网络的交互学习
5.3.3 模型优化
5.4 实验方案与准备
5.4.1 实验数据集
5.4.2 实验评估指标和参数设置
5.5 实验分析
5.5.1 模型对比和整体分析
5.5.2 自注意力网络的分析
5.5.3 门控机制的分析
5.6 本章小结
结论
参考文献
致谢
附录A 发表论文和参加科研情况说明
湖南大学;