第 1章引言 .1 

1.1研究背景 1 

1.2问题的提出 .5 

1.3面临的主要挑战 6 

1.4主要贡献 9

第 2章研究现状与相关工作  11 

2.1个性化推荐 . 11 

2.1.1基于内容的推荐 . 12 

2.1.2基于协同过滤的推荐 . 12 

2.1.3混合型推荐系统 . 15 

2.2矩阵分解  16 

2.3推荐的可解释性  19 

2.4文本情感分析 . 20 

2.5本章小结  21

第 3章数据的可解释性 . 23 

3.1矩阵的群组结构  23 

3.1.1概述  23 

3.1.2相关工作 . 26 

3.1.3双边块对角矩阵及其性质  27 

3.1.4矩阵的双边块对角化算法  33 

3.1.5基于块对角阵的协同过滤  37 

3.2局部化矩阵分解算法 . 38 

3.2.1概述  39 

3.2.2相关工作 . 40 

3.2.3双边块对角矩阵的分解性质 . 41 

3.2.4近似矩阵分解算法及其可拆分性质 . 44 

3.2.5局部化矩阵分解框架 . 49 

3.2.6平衡矩阵块对角化算法 . 50 

3.3性能评测  53 

3.3.1双边块对角矩阵与群组结构的定性研究  53 

3.3.2局部化矩阵分解算法性能及预测精度 . 57 

3.4本章小结  64

第 4章模型的可解释性 . 67 

4.1显式变量分解模型 . 67 

4.1.1概述  67 

4.1.2相关工作 . 70 

4.1.3基于用户评论的情感词典构建 . 71 

4.1.4显式变量分解模型及其可解释性  73 

4.1.5推荐列表的构建 . 77 

4.1.6属性级个性化推荐理由的构建 . 79 

4.2动态化时序推荐模型 . 80 

4.2.1概述  80 

4.2.2相关工作 . 82 

4.2.3用户偏好的时序性质 . 84 

4.2.4属性词流行度的动态预测  88 

4.2.5基于条件机会估计的时序推荐模型 . 91 

4.3性能评测  94 

4.3.1基于显式变量模型的可解释性推荐评测  95 

4.3.2基于浏览器的真实用户线上评测  104 

4.3.3基于属性词流行度的动态推荐评测 . 107 

4.4本章小结  117 

目录 19

第 5章推荐的经济学解释 . 119 

5.1互联网福利的最大化 . 119 

5.1.1概述  119 

5.1.2相关工作 . 121 

5.1.3互联网成本效用与福利 . 122 

5.1.4基于福利最大化的个性化推荐框架 . 126 

5.2典型网络平台中的福利最大化  129 

5.2.1电子商务网站 . 130 

5.2.2 P2P网络贷款  132 

5.2.3在线众包平台 . 134 

5.2.4小结与讨论  136 

5.3性能评测  137 

5.3.1电子商务网站 . 137 

5.3.2 P2P网络贷款  142 

5.3.3在线自由职业与众包平台  144 

5.4本章小结  146

第 6章总结与展望 . 149 

6.1总结 . 149 

6.2展望 . 151

参考文献 . 153

在学期间发表的学术论文  183

致谢  187