考虑用户心理因素的个性化推荐方法研究

考虑用户心理因素的个性化推荐方法研究
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
作者:
2020-05
版次: 1
ISBN: 9787302549383
定价: 79.00
装帧: 其他
开本: 16开
纸张: 胶版纸
页数: 122页
字数: 154千字
  • 本书立足于个性化推荐和用户心理学的交叉点,为用户行为预测和心理学理论的研究者们提供了新的视角,有代表性地考虑了三类心理特质的影响,包括探索、涉入和从众,来进行推荐方法的设计,基于贝叶斯模型的框架设计了一系列新型的概率图模型。 第1章  引言

    1.1  选题背景与意义

    1.2  研究历史与现状

    1.3  研究内容和框架

    1.4  研究挑战和方法

    1.5  研究成果和创新点

    1.5.1  考虑探索的推荐模型

    1.5.2  考虑涉入的推荐模型

    1.5.3  考虑从众的推荐模型

     

    第2章  文献综述

    2.1  个性化推荐研究

    2.1.1  推荐方法分类

    2.1.2  社会化推荐

    2.1.3  典型推荐应用

    2.2  相关心理学理论

    2.2.1  探索理论

    2.2.2  涉入理论

    2.2.3  从众理论

     

    第3章  考虑探索的推荐

    3.1  引言

    3.2  问题定义

    3.3  GEM模型

    3.3.1  模型设计

    3.3.2  相似度计算

    3.3.3  参数学习

    3.3.4  复杂度分析

    3.4  推荐方法

    3.5  实验评估

    3.5.1  实验设置

    3.5.2  推荐效果

    3.5.3  参数调节

    3.5.4  目标语义

    3.5.5  探索倾向分析

    3.6  管理启示

    3.7  本章小结

     

    第4章  考虑涉入的推荐

    4.1  引言

    4.2  问题定义

    4.3IMAR模型

    4.3.1  模型设计

    4.3.2  参数学习

    4.4  推荐方法

    4.5  实验评估

    4.5.1  实验设置

    4.5.2  推荐效果

    4.5.3  模型优势分析

    4.5.4  兴趣和涉入度发现

    4.5.5IMAR与GEM对比分析

    4.6  管理启示

    4.7  本章小结

     

    第5章  考虑从众的推荐

    5.1  引言

    5.2  问题定义

    5.3  ICTM模型

    5.3.1  模型设计

    5.3.2  参数学习

    5.3.3  复杂度分析

    5.4  推荐方法

    5.5  实验评估

    5.5.1  实验设置

    5.5.2  推荐效果

    5.5.3  话题与社区发现

    5.5.4  从众倾向分析

    5.6  管理启示

    5.7  本章小结

     

    第6章  总结与展望

    6.1  研究工作总结

    6.2  未来研究展望

     

    参考文献

    附录A  GEM模型参数学习推导细节

    附录B  IMAR模型参数学习推导细节

    附录C  ICTM模型参数学习推导细节

    致谢
  • 内容简介:
    本书立足于个性化推荐和用户心理学的交叉点,为用户行为预测和心理学理论的研究者们提供了新的视角,有代表性地考虑了三类心理特质的影响,包括探索、涉入和从众,来进行推荐方法的设计,基于贝叶斯模型的框架设计了一系列新型的概率图模型。
  • 目录:
    第1章  引言

    1.1  选题背景与意义

    1.2  研究历史与现状

    1.3  研究内容和框架

    1.4  研究挑战和方法

    1.5  研究成果和创新点

    1.5.1  考虑探索的推荐模型

    1.5.2  考虑涉入的推荐模型

    1.5.3  考虑从众的推荐模型

     

    第2章  文献综述

    2.1  个性化推荐研究

    2.1.1  推荐方法分类

    2.1.2  社会化推荐

    2.1.3  典型推荐应用

    2.2  相关心理学理论

    2.2.1  探索理论

    2.2.2  涉入理论

    2.2.3  从众理论

     

    第3章  考虑探索的推荐

    3.1  引言

    3.2  问题定义

    3.3  GEM模型

    3.3.1  模型设计

    3.3.2  相似度计算

    3.3.3  参数学习

    3.3.4  复杂度分析

    3.4  推荐方法

    3.5  实验评估

    3.5.1  实验设置

    3.5.2  推荐效果

    3.5.3  参数调节

    3.5.4  目标语义

    3.5.5  探索倾向分析

    3.6  管理启示

    3.7  本章小结

     

    第4章  考虑涉入的推荐

    4.1  引言

    4.2  问题定义

    4.3IMAR模型

    4.3.1  模型设计

    4.3.2  参数学习

    4.4  推荐方法

    4.5  实验评估

    4.5.1  实验设置

    4.5.2  推荐效果

    4.5.3  模型优势分析

    4.5.4  兴趣和涉入度发现

    4.5.5IMAR与GEM对比分析

    4.6  管理启示

    4.7  本章小结

     

    第5章  考虑从众的推荐

    5.1  引言

    5.2  问题定义

    5.3  ICTM模型

    5.3.1  模型设计

    5.3.2  参数学习

    5.3.3  复杂度分析

    5.4  推荐方法

    5.5  实验评估

    5.5.1  实验设置

    5.5.2  推荐效果

    5.5.3  话题与社区发现

    5.5.4  从众倾向分析

    5.6  管理启示

    5.7  本章小结

     

    第6章  总结与展望

    6.1  研究工作总结

    6.2  未来研究展望

     

    参考文献

    附录A  GEM模型参数学习推导细节

    附录B  IMAR模型参数学习推导细节

    附录C  ICTM模型参数学习推导细节

    致谢
查看详情