基于Web日志的个性化推荐系统的研究
| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 第1章 绪论 | 第11-16页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·国外研究现状 | 第12-13页 |
| ·国内的研究现状 | 第13-14页 |
| ·本文的内容与结构安排 | 第14-16页 |
| 第2章 应用于个性化推荐系统的核心技术和算法 | 第16-29页 |
| ·个性化系统的概述 | 第16-17页 |
| ·个性化推荐系统的核心技术 | 第17-21页 |
| ·数据采集 | 第18-19页 |
| ·数据预处理 | 第19-20页 |
| ·模式分析 | 第20-21页 |
| ·关联规则 | 第21-23页 |
| ·关联规则定义 | 第21页 |
| ·关联规则基础概念 | 第21-22页 |
| ·关联规则算法的步骤 | 第22-23页 |
| ·本文用到的两种关联规则 | 第23-27页 |
| ·加权关联规则 | 第23-25页 |
| ·基于图的关联规则 | 第25-27页 |
| ·协同过滤 | 第27-29页 |
| 第3章 应用于推荐系统的加权关联规则改进算法 | 第29-37页 |
| ·加权关联规则 | 第29页 |
| ·改进的基于图的权值关联规则 | 第29-35页 |
| ·性能对比 | 第35-37页 |
| 第4章 应用于个性化推荐系统的协同过滤算法 | 第37-43页 |
| ·协同过滤算法 | 第37-39页 |
| ·协同过滤算法的改进 | 第39-41页 |
| ·本节要解决的问题 | 第39-40页 |
| ·基于Web日志的聚类协同过滤算法的实现思路 | 第40页 |
| ·算法分析 | 第40-41页 |
| ·改进后的算法性能分析 | 第41-43页 |
| 第5章 个性化推荐原型系统的实现 | 第43-51页 |
| ·开发环境与数据源 | 第44-45页 |
| ·系统设计 | 第45-51页 |
| ·数据预处理 | 第46-48页 |
| ·频繁模式模块 | 第48-49页 |
| ·推荐模块的实现 | 第49-51页 |
| 第6章 总结与展望 | 第51-53页 |
| ·本文所做的工作 | 第51-52页 |
| ·展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间发表的学术论文目录 | 第57-58页 |
| 学位论文评阅及答辩情况表 | 第58页 |
