> 演示输入：合成数据，不代表真实客户/生产结果

# 毕业论文答辩 PPT 预览

合成研究使用12万条校园二手交互记录，对比热门推荐、矩阵分解和深度模型。真实论文与实验数据未读取。

| 页 | 标题 | 内容 |
|---:|---|---|
| 1 | 校园二手推荐的难点是稀疏与时效 | 研究问题 |
| 2—3 | 现有方法忽略物品快速失效 | 相关工作 |
| 4—6 | 模型融合用户、物品与时间特征 | 架构图 |
| 7—10 | 深度模型在合成数据上提升NDCG | 实验表与消融 |
| 11—12 | 时间特征贡献最大 | 消融与案例 |
| 13 | 结果仍受单校数据限制 | 局限 |
| 14—15 | 结论与未来工作 | 总结 |

## 实验页样稿

| 方法 | Recall@20 | NDCG@20 | 推理耗时 |
|---|---:|---:|---:|
| 热门推荐 | 0.182 | 0.109 | 4ms |
| 矩阵分解 | 0.247 | 0.156 | 11ms |
| 合成深度模型 | 0.291 | 0.188 | 23ms |

口述边界：“提升只在本合成拆分上成立。若随机拆分泄漏了同一用户的未来行为，结果会偏乐观，因此正式论文应按时间切分复算。”

## 四问备用

创新点：时间衰减与校园场景约束；数据来源：授权和脱敏流程；对比公平性：相同训练/测试切分；局限：单校样本、冷启动和线上效果未验证。

正式答辩必须完全使用 ./thesis 数据，图表数值与论文表格逐项一致，任何合成数字都不能进入最终版本。