基于SVD的推荐系统研究及其应用

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

基于SVD的推荐系统研究及其应用

太原理工大学硕士研究生学位论文

目录

第一章绪论 (1)

1.1课题研究背景及其研究意义 (1)

1.2国内外研究现状 (2)

1.2.1国外研究现状 (2)

1.2.2国内研究现状 (3)

1.3存在问题 (5)

1.4本课题研究内容与论文安排 (5)

1.4.1本课题主要研究内容 (5)

1.4.2论文结构安排 (6)

第二章个性化推荐系统及相关算法 (9)

2.1个性化推荐系统 (9)

2.2协同过滤推荐算法 (9)

2.2.1基于内存的协同过滤推荐算法 (10)

2.2.2基于模型的协同过滤推荐算法 (13)

2.3基于内容的推荐算法 (14)

2.4基于标签的推荐算法 (15)

2.5基于关联规则的推荐算法 (15)

2.6混合推荐算法 (16)

2.7本章小结 (16)

第三章基于SVD的推荐算法的研究 (17)

3.1SVD基本算法 (17)

3.1.1SVD背景介绍 (17)

3.1.2SVD基本原理 (17)

3.2梯度下降法 (19)

3.3基于SVD改进的推荐算法 (20)

3.3.1LFM (20)

3.3.2Bias SVD (21)

3.3.3SVD++ (23)

3.3.4实验设计及算法性能比较 (25)

3.4本章小结 (27)

VII

太原理工大学硕士研究生学位论文

第四章改进学习率的一种高效SVD++推荐算法 (29)

4.1引言 (29)

4.2SVD++模型的学习方法 (30)

4.2.1已有学习率方法 (30)

4.2.2本文学习率方法 (30)

4.3改进学习率的SVD++算法推荐模型 (31)

4.4实验及分析 (32)

4.4.1实验设计 (32)

4.4.2实验结果及分析 (34)

4.5本章小结 (36)

第五章基于Apriori算法重组标签的HOSVD推荐算法 (39) 5.1引言 (39)

5.2Apriori及HOSVD标签推荐算法介绍 (40)

5.2.1Apriori算法 (40)

5.2.2HOSVD算法 (42)

5.3基于Apriori算法重组标签的HOSVD推荐方法 (46) 5.4实验及分析 (48)

5.4.1实验数据和环境 (48)

5.4.2实验结果及分析 (49)

5.5本章小结 (50)

第六章总结与展望 (53)

6.1工作总结 (53)

6.2下一步工作展望 (53)

参考文献 (55)

致谢 (59)

特别感谢以下项目的支持 (60)

攻读学位期间发表的学术论文目录 (61) VIII

相关文档
最新文档