多模态数据下的推荐算法及在线评论行为研究

第1章引言1
1.1多模态数据与人工智能2
1.2基于多模态数据的推荐系统5
1.3本书主要内容与创新7
第2章推荐算法和评论系统相关研究动态13
2.1推荐系统概述14
2.2图像文本融合的推荐算法16
2.2.1基于图像的推荐16
2.2.2多模态数据的表示学习18
2.2.3图像文本认知风格19
2.3双边推荐算法20
2.3.1双边推荐20
2.3.2文本建模22
2.3.3在线交友中的自我呈现23
2.4消费者生成图像的行为影响25
2.4.1图像在电子商务平台的作用25
2.4.2产品评论的影响因素28
2.5本章小结29
第3章基于图像和文本的产品推荐算法30
3.1背景介绍30
3.2模型框架和计算方法32
3.2.1问题描述32
3.2.2DeepMINE模型33
3.2.3参数学习38
3.2.4预测和推荐40
3.3实证研究与结果40
3.3.1数据描述40
3.3.2评估指标和基准模型41
3.3.3实验结果43
3.4本章小结53
第4章基于结构化属性和问答文本的双边推荐算法55
4.1背景介绍55
4.2场景和匹配过程58
4.3研究模型59
4.3.1预备知识59
4.3.2模型概览60
4.3.3结构化属性与文本信息62
4.3.4第一阶段: 请求者的偏好学习62
4.3.5第二阶段: 接收者的偏好学习64
4.3.6目标函数65
4.3.7推荐结果生成66
4.4实验结果及分析67
4.4.1研究背景和数据集描述67
4.4.2Word2vec单词聚类68
4.4.3评价指标69
4.4.4参数设置和基准模型70
4.4.5实验结果71
4.5本章小结80
第5章消费者生成图像对评论打分的行为影响82
5.1背景介绍82
5.2研究假设85
5.3主要场景和数据描述88
5.4模型和主要结果91
5.4.1倾向得分匹配92
5.4.2双重差分模型92
5.4.3CGI对产品评分的总体影响94
5.5CGI不同属性的异质性影响95
5.5.1CGI美学评估模型95
5.5.2人脸检测98
5.5.3CGI视觉属性的异质性影响98
5.5.4CGI评论者的主观性99
5.5.5不同数量CGI的影响101
5.5.6CGI对搜索型产品的影响102
5.6稳健性检验104
5.6.1考虑评论排序机制下首页CGI产生的影响104
5.6.2相对时间模型106
5.6.3其他稳健性检验107
5.7用户实验109
5.7.1实验设计109
5.7.2信度、效度与操纵检查111
5.7.3实验结果112
5.8本章小结115
第6章结语117
6.1内容总结117
6.2本书创新点119
6.3未来趋势120
参考文献122