考慮用戶心理因素的個性化推薦方法研究

第1章 引言
1．1 選題背景與意義
1．2 研究歷史與現(xiàn)狀
1．3 研究內容和框架
1．4 研究挑戰(zhàn)和方法
1．5 研究成果和創(chuàng)新點
1．5．1 考慮探索的推薦模型
1．5．2 考慮涉入的推薦模型
1．5．3 考慮從眾的推薦模型
第2章 文獻綜述
2．1 個性化推薦研究
2．1．1 推薦方法分類
2．1．2 社會化推薦
2．1．3 典型推薦應用
2．2 相關心理學理論
2．2．1 探索理論
2．2．2 涉入理論
2．2．3 從眾理論
第3章 考慮探索的推薦
3．1 引言
3．2 問題定義
3．3 GEM模型
3．3．1 模型設計
3．3．2 相似度計算
3．3．3 參數(shù)學習
3．3．4 復雜度分析
3．4 推薦方法
3．5 實驗評估
3．5．1 實驗設置
3．5．2 推薦效果
3．5．3 參數(shù)調節(jié)
3．5．4 目標語義
3．5．5 探索傾向分析
3．6 管理啟示
3．7 本章小結
第4章 考慮涉入的推薦
4．1 引言
4．2 問題定義
4．3IMAR模型
4．3．1 模型設計
4．3．2 參數(shù)學習
4．4 推薦方法
4．5 實驗評估
4．5．1 實驗設置
4．5．2 推薦效果
4．5．3 模型優(yōu)勢分析
4．5．4 興趣和涉入度發(fā)現(xiàn)
4．5．5IMAR與GEM對比分析
4．6 管理啟示
4．7 本章小結
第5章 考慮從眾的推薦
5．1 引言
5．2 問題定義
5．3 ICTM模型
5．3．1 模型設計
5．3．2 參數(shù)學習
5．3．3 復雜度分析
5．4 推薦方法
5．5 實驗評估
5．5．1 實驗設置
5．5．2 推薦效果
5．5．3 話題與社區(qū)發(fā)現(xiàn)
5．5．4 從眾傾向分析
5．6 管理啟示
5．7 本章小結
第6章 總結與展望
6．1 研究工作總結
6．2 未來研究展望
參考文獻
附錄A GEM模型參數(shù)學習推導細節(jié)
附錄B IMAR模型參數(shù)學習推導細節(jié)
附錄C ICTM模型參數(shù)學習推導細節(jié)
致謝