支持个性化推荐的情报挖掘系统研究与设计
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-11页 |
| ·引言 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·问题的提出 | 第9页 |
| ·本文的研究目的 | 第9-10页 |
| ·论文组织结构 | 第10-11页 |
| 2 个性化推荐系统及相关技术概述 | 第11-17页 |
| ·引言 | 第11页 |
| ·个性化推荐算法 | 第11-16页 |
| ·基于规则的推荐算法 | 第11-12页 |
| ·基于内容的推荐算法 | 第12-13页 |
| ·协同过滤算法 | 第13-15页 |
| ·Slope One推荐算法 | 第15页 |
| ·混合推荐算法 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 3 稀疏性和冷启动问题解决方案 | 第17-27页 |
| ·引言 | 第17页 |
| ·现有的解决方案 | 第17-18页 |
| ·基于用户交互的聚类分析 | 第18-24页 |
| ·聚类分析 | 第18-20页 |
| ·用户交互模型 | 第20-21页 |
| ·改进的基于用户交互的聚类分析 | 第21-24页 |
| ·实验与仿真 | 第24-27页 |
| ·实验环境 | 第24页 |
| ·实验结果 | 第24-27页 |
| 4 个性化推荐混合式推荐模型 | 第27-37页 |
| ·引言 | 第27页 |
| ·相关研究介绍 | 第27-28页 |
| ·个性化推荐算法 | 第28-33页 |
| ·用户行为 | 第28-29页 |
| ·用户行为评价标准 | 第29-30页 |
| ·基于用户行为和用户—情报的混合推荐算法 | 第30-33页 |
| ·实验及结果分析 | 第33-37页 |
| ·实验环境 | 第33-34页 |
| ·实验结果 | 第34-37页 |
| 5 情报挖掘系统设计与实现 | 第37-50页 |
| ·引言 | 第37页 |
| ·系统设计 | 第37-43页 |
| ·系统设计目标 | 第37-38页 |
| ·系统体系结构 | 第38-40页 |
| ·系统功能设计 | 第40-43页 |
| ·系统实现 | 第43-50页 |
| ·系统开发环境 | 第43页 |
| ·系统实现中的关键技术 | 第43-46页 |
| ·系统工作界面与工作流程 | 第46-48页 |
| ·系统核心代码片段 | 第48-50页 |
| 6 总结与展望 | 第50-51页 |
| ·总结 | 第50页 |
| ·展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-53页 |
