声明
第一章 绪 论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 研究内容及主要工作
1.4 本文的组织结构
第二章 相关技术简介
2.1 推荐系统介绍
2.1.1 推荐系统的架构
2.2 推荐算法简介
2.2.1 基于内容的推荐算法
2.2.2 基于协同过滤的推荐算法
2.2.3 混合推荐算法
2.3 深度学习
2.3.1 深度神经网络
2.3.2 卷积神经网络
2.3.3 自编码器
2.3.4 生成对抗网络
2.4 本章小结
第三章 基于深度学习的混合推荐模型
3.1 引言
3.2 基于 DNN的属性特征提取
3.3 基于 CNN的文本特征提取
3.3.1 加入注意力机制的文本特征提取
3.4 基于深度学习的混合推荐模型 HRS-DC
3.4.1 特征融合
3.4.2 评分预测
3.5 实验结果与分析
3.5.1 数据集介绍及预处理
3.5.2 实验评价指标
3.5.3 对比实验
3.5.4 实验结果分析
3.6 本章小结
第四章 基于改进对抗自编码器的协同过滤推荐模型
4.1 引言
4.2 对抗自编码器
4.3 基于改进对抗自编码器的协同过滤推荐模型 cycle-CFAAE
4.3.1 cycle-CFAAE模型
4.3.2 优化流程
4.4.1 实验环境
4.4.2 数据集的介绍与处理
4.4.3 实验设置
4.4.4 评价指标
4.4.5 实验分析与对比
4.5 本章小结
第五章 总结与展望
5.1 工作总结
5.2 后续工作展望
参考文献
致 谢
攻读学位期间发表的论文
河北大学;