基于信息传递模型与人工神经网络的推荐系统研究

目录

声明

致谢

1 引言

1.1 研究背景及意义

1.2 研究现状

1.3 研究内容

1.4 论文结构

2 推荐系统概述

2.1 推荐系统介绍

2.2 经典推荐算法的分类

2.3 基于模型的协同过滤

2.3.1 矩阵分解

2.3.2 社交信息

2.3.3 人工神经网络

2.4 本章小结

3 基于信息传递与隐式反馈的推荐系统

3.1 研究动机

3.2 信息传递模型

3.3 基于信息传递模型的隐性影响

3.3.1 线性叠加系统

3.3.2 独立级联系统

3.4 显性的信任影响

3.5 算法流程

3.6 复杂度分析

3.7 实验结果

3.7.1 数据集

3.7.2 参数影响

3.7.3 在所有用户中的比较

3.7.4 在冷启动用户中的比较

3.8 本章小结

4 基于人工神经网络与注意力机制的推荐系统

4.1 研究动机

4.2 注意力机制

4.3 基于信息传递模型的注意力机制

4.4 非线性因素

4.4.1 自编码

4.4.2 激活函数

4.4.3 Dropout

4.4.4 Batch Normalization

4.5 算法流程

4.6 实验结果

4.6.1 数据集

4.6.2 实验设置

4.6.3 参数影响

4.6.4 在所有用户中的比较

4.6.5 在冷启动用户中的比较

4.7 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