多模態(tài)數(shù)據(jù)下的推薦算法及在線評論行為研究

第1章引言1
1.1多模態(tài)數(shù)據(jù)與人工智能2
1.2基于多模態(tài)數(shù)據(jù)的推薦系統(tǒng)5
1.3本書主要內容與創(chuàng)新7
第2章推薦算法和評論系統(tǒng)相關研究動態(tài)13
2.1推薦系統(tǒng)概述14
2.2圖像文本融合的推薦算法16
2.2.1基于圖像的推薦16
2.2.2多模態(tài)數(shù)據(jù)的表示學習18
2.2.3圖像文本認知風格19
2.3雙邊推薦算法20
2.3.1雙邊推薦20
2.3.2文本建模22
2.3.3在線交友中的自我呈現(xiàn)23
2.4消費者生成圖像的行為影響25
2.4.1圖像在電子商務平臺的作用25
2.4.2產(chǎn)品評論的影響因素28
2.5本章小結29
第3章基于圖像和文本的產(chǎn)品推薦算法30
3.1背景介紹30
3.2模型框架和計算方法32
3.2.1問題描述32
3.2.2DeepMINE模型33
3.2.3參數(shù)學習38
3.2.4預測和推薦40
3.3實證研究與結果40
3.3.1數(shù)據(jù)描述40
3.3.2評估指標和基準模型41
3.3.3實驗結果43
3.4本章小結53
第4章基于結構化屬性和問答文本的雙邊推薦算法55
4.1背景介紹55
4.2場景和匹配過程58
4.3研究模型59
4.3.1預備知識59
4.3.2模型概覽60
4.3.3結構化屬性與文本信息62
4.3.4第一階段: 請求者的偏好學習62
4.3.5第二階段: 接收者的偏好學習64
4.3.6目標函數(shù)65
4.3.7推薦結果生成66
4.4實驗結果及分析67
4.4.1研究背景和數(shù)據(jù)集描述67
4.4.2Word2vec單詞聚類68
4.4.3評價指標69
4.4.4參數(shù)設置和基準模型70
4.4.5實驗結果71
4.5本章小結80
第5章消費者生成圖像對評論打分的行為影響82
5.1背景介紹82
5.2研究假設85
5.3主要場景和數(shù)據(jù)描述88
5.4模型和主要結果91
5.4.1傾向得分匹配92
5.4.2雙重差分模型92
5.4.3CGI對產(chǎn)品評分的總體影響94
5.5CGI不同屬性的異質性影響95
5.5.1CGI美學評估模型95
5.5.2人臉檢測98
5.5.3CGI視覺屬性的異質性影響98
5.5.4CGI評論者的主觀性99
5.5.5不同數(shù)量CGI的影響101
5.5.6CGI對搜索型產(chǎn)品的影響102
5.6穩(wěn)健性檢驗104
5.6.1考慮評論排序機制下首頁CGI產(chǎn)生的影響104
5.6.2相對時間模型106
5.6.3其他穩(wěn)健性檢驗107
5.7用戶實驗109
5.7.1實驗設計109
5.7.2信度、效度與操縱檢查111
5.7.3實驗結果112
5.8本章小結115
第6章結語117
6.1內容總結117
6.2本書創(chuàng)新點119
6.3未來趨勢120
參考文獻122