基于多特征隐式反馈的推荐算法设计

目录

第一个书签之前

声明

致谢

1 引言

1.1 研究背景及意义

1.2 国内外研究现状

1.3 论文主要研究内容

1.4 论文结构安排

2 推荐系统概述

2.1 推荐系统介绍

2.2 推荐算法分类

2.2.1 基于内容的推荐算法

2.2.2 协同过滤推荐算法

2.2.3 混合推荐算法

2.3 基于模型的协同过滤算法

2.3.1 矩阵分解推荐算法

2.3.2 贝叶斯推荐算法

2.4 迁移学习概述

2.4.1 迁移学习概述

2.4.2 基于迁移学习的推荐算法

2.5 本章小结

3 基于用户-物品隐式关系的贝叶斯推荐算法

3.1 问题描述

3.2 算法模型

3.2.1 算法定义

3.2.2 用户-物品隐式关系的分层判定

3.2.3 集合间排序

3.2.4 BPRN算法框架

3.2.5 算法流程

3.2.6 算法复杂度

3.3 实验设计与仿真结果

3.3.1 实验设置

3.3.2 对比算法

3.3.3 实验结果分析

3.4 本章小结

4 基于异构反馈的循环式迁移学习推荐算法

4.1 问题描述

4.2 HCTLRec算法框架

4.2.1 辅助域的构造

4.2.2 循环式迁移学习

4.2.3 评分预测

4.3 结合态度辅助域的迁移学习推荐算法

4.3.1 态度辅助域

4.3.2 评分预测

4.3.3 算法复杂度与算法流程

4.4 结合信任关系辅助域的迁移学习推荐算法

4.4.1 信任关系辅助域

4.4.2 评分预测

4.4.3 算法复杂度与算法流程

4.5 实验设计与仿真结果

4.5.1 实验设置

4.5.2 对比算法

4.5.3 实验结果分析

4.6 本章小结

5 总结与展望

5.1 工作总结

5.2 工作展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集