论推荐迁移学习在垂直电商推荐系统上运用

摘要5-6

Abstract6-9

图目录9-10

表目录10-11

第一章 绪论11-15

1.1 探讨背景11-12

1.2 国内外探讨近况12

1.3 论文的探讨内容和作用12-13

1.3.1 论文的探讨内容12-13

1.3.2 论文的作用13

1.4 论文的结构13-15

第二章 相关工作15-26

2.1 推荐系统15-19

2.1.1 推荐系统历史15-17

2.1.2 推荐系统算法17-18

2.1.3 推荐系统的不足18-19

2.2 垂直电子商务网站与推荐系统19-22

2.2.1 垂直电商推荐系统中的输入数据19-20

2.2.2 垂直电商推荐系统的推荐内容20-21

2.2.3 垂直电商推荐系统面对的不足21-22

2.3 迁移学习22-25

2.3.1 传统机器学习的限制22-23

2.3.2 迁移学习的由来与概述23-24

2.3.3 迁移学习的三要素24-25

2.4 本章小结25-26

第三章 改善的基于用户的协同过滤26-38

3.1 基于用户的协同过滤推荐26-29

3.1.1 确定相似用户26-28

3.1.2 预测评分28-29

3.1.3 推荐产品29

3.2 改善的协同过滤算法描述29-31

3.3 实验评估31-37

3.3.1 数据集31

3.3.2 预处理31-32

3.3.3 比较策略32

3.3.4 实验设计32-33

3.3.5 评估策略33

3.3.6 实验结果及讨论33-37

3.4 本章小结37-38

第四章 迁移学习在垂直电商推荐系统中的运用38-50

4.1 常见的迁移学习策略38-39

4.1.1 实例化迁移38

4.1.2 特点表示迁移38-39

4.1.3 参数迁移39

4.1.4 关联知识迁移39

4.2 迁移学习算法39-43

4.2.1 构造CodeBook40-42

4.2.2 迁移CodeBook42-43

4.3 实验评估43-49

4.3.1 数据集43-44

4.3.2 预处理44

4.3.3 比较策略44-45

4.3.4 实验设计45

4.3.5 实验结果及讨论45-49

4.4 本章小结49-50

第五章 总结和展望50-52

5.1 论文小结50

5.2 未来展望50-52