声明
第1章 绪论
1.1研究背景与意义
1.1.1研究背景
1.1.2研究意义
1.2国内外研究进展
1.3研究内容及本文创新点
1.3.1研究内容
1.3.2本文创新点
第2章 基础理论与相关技术
2.1个性化推荐算法
2.1.1基于内容的协同过滤推荐算法
2.1.2基于矩阵分解模型的推荐算法
2.1.3基于深度学习的神经网络算法及在推荐算法上的应用
2.1.4混合推荐算法
2.2个性化推荐算法应用领域及优缺点
2.3推荐算法评价指标
2.4实验数据
2.5本章小结
第3章 基于属性和观影行为的用户聚类模型
3.1基于用户属性和行为的观影偏好研究
3.1.1用户观影类型分析
3.1.2用户观影评分分析
3.1.3用户观影次数分析
3.2基于用户属性和行为特征的用户偏好表示
3.2.1用户属性特征表示设计
3.2.2用户行为特征表示设计
3.3用户潜在特征向量设计
3.3.1构造特征向量
3.3.2数据预处理
3.3.3特征生成
3.4用户群划分策略
3.4.1聚类算法选择
3.4.2基于K-means算法的用户群划分
3.5本章小结
第4章 基于卷积双向长短记忆神经网络的电影文本特征表示模型
4.1电影文本特征提取符号表示
4.2电影简介文本语料的预处理
4.3电影文本特征潜在模型设计
4.3.1 TextCNN模型
4.3.2卷积双向长短记忆神经网络模型(CBiLSTM)
4.4仿真实验与分析
4.4.1数据预处理及评价指标
4.4.2模型参数设置
4.4.3实验结果及分析
4.5本章小结
第5章 基于多神经网络和约束偏置概率矩阵分解的电影混合推荐算法研究
5.1约束偏置概率矩阵分解算法
5.2矩阵初始化策略
5.3混合推荐算法设计
5.3.1用户潜在特征概率分布模型
5.3.2电影文本潜在特征模型
5.3.3用户-电影评分生成概率模型
5.3.4 CBiLSTM-PMF+模型的参数学习
5.4仿真实验与分析
5.4.1数据来源及评价指标选取
5.4.2算法参数设置
5.4.3实验结果与分析
5.5本章小结
第6章 总结与展望
6.1论文工作总结
6.2未来展望
参考文献
攻读学位期间发表的学术论文
致谢
东华大学;