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