●叢書序
導師序
摘要
ABSTRACT
第1章緒論
1.1課題背景及意義
1.2推薦繫統概述
1.2.1傳統推薦繫統方法分類
1.2.2推薦繫統近期新的研究熱點和方向
1.3網絡特征學習概述
1.3.1背景介紹
1.3.2輸入網絡的種類
1.3.3輸出特征的種類
1.3.4典型方法
1.4本文研究內容及結構安排
第2章應用於推薦繫統交互圖的網絡特征學習方法
2.1引言
2.2生成對抗式的網絡特征學習
2.2.1GraphGAN模型框架
2.2.2判別器和生成器的實現與訓練
2.3網絡結構感知的歸一化指數函數
2.3.1graphsoftmax的設計
2.3.2性質證明
2.3.3生成策略
2.3.4復雜度分析
2.4性能驗證
2.4.1實驗準備工作
2.4.2實證研究
2.4.3實驗結果
2.4.4超參數敏感性
2.5本章小結
第3章社交網絡輔助的推薦繫統——基於特征的方法
3.1引言
3.2數據集構建
3.3有符號異構網絡特征學習
3.3.1情感符號預測的問題描述
3.3.2有符號異構網絡特征學習模型
3.3.3相關討論
3.4性能驗證
3.4.1實驗準備工作
3.4.2實驗結果
3.4.3超參數敏感性
3.5本章小結
第4章社交網絡輔助的推薦繫統——基於結構的方法
4.1引言
4.2背景知識和數據集分析
4.2.1背景知識
4.2.2數據集分析
4.3社交-話題-語義感知的投票推薦方法
4.3.1投票推薦的問題描述
4.3.2話題感知的詞向量學習
4.3.3投票推薦算法
4.4性能驗證
4.4.1實驗準備工作
4.4.2實驗結果
4.4.3超參數敏感性
4.5本章小結
第5章知識圖譜輔助的推薦繫統——基於特征的方法
5.1引言
5.2預備知識
5.2.1知識圖譜特征學習
5.2.2用於語句特征學習的卷積神經網絡
5.3知識圖譜輔助的推薦繫統的問題描述
5.4依次學習法
5.4.1知識提取
5.4.2知識感知的卷積神經網絡
5.4.3基於注意力機制的用戶歷史興趣聚合
5.5交替學習法
5.5.1多任務學習模型框架
5.5.2交叉、推薦繫統模塊和知識圖譜特征學習模塊
5.5.3學習算法
5.5.4理論分析
5.6性能驗證
5.6.1數據集
5.6.2基準方法
5.6.3實驗準備工作
5.6.4依次訓練法的實驗結果
5.6.5交替訓練法的實驗結果
5.7本章小結
第6章知識圖譜輔助的推薦繫統——基於結構的方法
6.1引言
6.2向外傳播法
6.2.1RippleNet模型框架
6.2.2波紋集合
6.2.3興趣傳播
6.2.4學習算法
6.2.5可解釋性與干涉加強的討論
6.3向內聚合法
6.3.1KGCN層
6.3.2學習算法
6.3.3知識圖譜牽引力的討論
6.4性能驗證
6.4.1數據集
6.4.2基準方法
6.4.3實驗準備工作
6.4.4向外傳播法的實驗結果
6.4.5向內聚合法的實驗結果
6.5本章小結
第7章總結與展望
7.1總結
7.2課題研究展望
參考文獻
致謝
攻讀學位期間發表的學術論文
攻讀學位期間參與的項目