|
|
|
|
基于嵌入式表示学习的推荐方法与应用 |
| |
| 论文目录 |
| |
| 摘要 | 第4-6页 | | Abstract | 第6-7页 | | 第1章 绪论 | 第10-14页 | | 1.1 研究背景与研究意义 | 第10页 | | 1.2 国内外研究现状 | 第10-12页 | | 1.2.1 推荐系统以及协同过滤 | 第10-11页 | | 1.2.2 表示学习 | 第11-12页 | | 1.3 本文主要研究内容 | 第12-13页 | | 1.4 论文的组织结构 | 第13-14页 | | 第2章 推荐系统关键技术 | 第14-24页 | | 2.1 推荐系统概述 | 第14-18页 | | 2.1.1 推荐系统的概念 | 第14页 | | 2.1.2 推荐算法的分类 | 第14-17页 | | 2.1.3 推荐系统评价标准 | 第17-18页 | | 2.2 协同过滤推荐算法 | 第18-23页 | | 2.2.1 协同过滤概述 | 第18-19页 | | 2.2.2 推荐步骤 | 第19-21页 | | 2.2.3 协同过滤算法分类 | 第21-23页 | | 2.3 本章小结 | 第23-24页 | | 第3章 表示学习基础理论 | 第24-30页 | | 3.1 表示学习概述 | 第24-25页 | | 3.2 Word2vec | 第25-29页 | | 3.2.1 skip-gram | 第25-28页 | | 3.2.2 CBOW | 第28-29页 | | 3.3 本章小结 | 第29-30页 | | 第4章 基于标签信息特征相似性的协同过滤推荐算法 | 第30-44页 | | 4.1 标签系统 | 第30页 | | 4.2 基于标签信息特征相似性的协同过滤推荐算法 | 第30-36页 | | 4.2.1 用户-标签-项目三分图 | 第31-32页 | | 4.2.2 基于标签的用户偏好计算 | 第32-33页 | | 4.2.3 基于标签的相似性计算 | 第33-35页 | | 4.2.4 用户偏好预测 | 第35-36页 | | 4.3 算法设计 | 第36-38页 | | 4.4 实验分析 | 第38-43页 | | 4.4.1 实验设置 | 第39页 | | 4.4.2 评估标准 | 第39页 | | 4.4.3 实验结果及分析 | 第39-43页 | | 4.5 本章小结 | 第43-44页 | | 第5章 基于嵌入式表示学习的协同过滤推荐算法 | 第44-52页 | | 5.1 算法设计 | 第44-46页 | | 5.1.1 基于表示学习的标签向量化 | 第44-45页 | | 5.1.2 算法描述 | 第45-46页 | | 5.2 实验分析 | 第46-51页 | | 5.2.1 实验设置 | 第47-48页 | | 5.2.2 实验结果及分析 | 第48-51页 | | 5.3 本章小结 | 第51-52页 | | 第6章 个性化电影推荐引擎设计与实现 | 第52-62页 | | 6.1 应用背景 | 第52页 | | 6.2 关键技术 | 第52-54页 | | 6.2.1 数据处理 | 第52-53页 | | 6.2.2 系统构建 | 第53-54页 | | 6.3 系统设计与实现 | 第54-61页 | | 6.3.1 系统需求分析 | 第54-56页 | | 6.3.2 系统设计 | 第56-57页 | | 6.3.3 推荐系统的实现 | 第57-61页 | | 6.4 本章小结 | 第61-62页 | | 结论 | 第62-64页 | | 参考文献 | 第64-70页 | | 攻读硕士学位期间发表的学术论文 | 第70-72页 | | 致谢 | 第72页 |
|
|
|
|
论文编号BS1200938，这篇论文共72页
会员购买按0.35元/页下载，共需支付25.2元。 直接购买按0.5元/页下载，共需要支付36元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务