基于混合协同过滤的电影推荐系统的设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 研究和发展现状 | 第10-14页 |
| 1.2.1 推荐系统的应用现状 | 第10-12页 |
| 1.2.2 推荐算法的研究现状 | 第12-14页 |
| 1.3 研究内容 | 第14页 |
| 1.4 论文组织结构 | 第14-17页 |
| 第2章 常用推荐算法讨论 | 第17-29页 |
| 2.1 基于内容的推荐算法 | 第17-19页 |
| 2.2 协同过滤推荐算法 | 第19-27页 |
| 2.2.1 基于内存的协同过滤算法 | 第20-26页 |
| 2.2.2 基于模型的推荐算法 | 第26-27页 |
| 2.3 混合推荐算法 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 改进的个性化混合协同过滤推荐算法 | 第29-37页 |
| 3.1 IBCF算法存在的问题 | 第29-31页 |
| 3.1.1 数据稀疏问题 | 第29-30页 |
| 3.1.2 用户兴趣变化问题 | 第30-31页 |
| 3.2 改进的IBCF算法 | 第31-36页 |
| 3.2.1 基于属性信息熵的综合相似度 | 第31-34页 |
| 3.2.2 适应不同用户群体兴趣变化的权重 | 第34-36页 |
| 3.2.3 改进IBCF算法流程描述 | 第36页 |
| 3.3 本章小结 | 第36-37页 |
| 第4章 基于改进算法的电影推荐系统设计与实现 | 第37-55页 |
| 4.1 系统需求分析 | 第37-40页 |
| 4.1.1 功能需求 | 第37-39页 |
| 4.1.2 非功能需求 | 第39-40页 |
| 4.2 系统整体架构和模块设计 | 第40-42页 |
| 4.2.1 B/S架构模式 | 第40页 |
| 4.2.2 系统的三层架构 | 第40-42页 |
| 4.2.3 系统的功能模块图 | 第42页 |
| 4.3 系统主要功能模块的设计与实现 | 第42-53页 |
| 4.3.1 数据库模块 | 第43-44页 |
| 4.3.2 离线计算模块 | 第44-47页 |
| 4.3.3 在线智能推荐模块 | 第47-50页 |
| 4.3.4 系统信息管理模块 | 第50-53页 |
| 4.4 系统的异常及处理 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 实验验证 | 第55-61页 |
| 5.1 实验环境 | 第55页 |
| 5.2 实验数据集 | 第55-56页 |
| 5.3 评价指标 | 第56-57页 |
| 5.3.1 准确率(precision) | 第56页 |
| 5.3.2 覆盖率(coverage) | 第56-57页 |
| 5.4 参数确定 | 第57-58页 |
| 5.5 实验结果与分析 | 第58-60页 |
| 5.5.1 准确率验证 | 第58-59页 |
| 5.5.2 覆盖率验证 | 第59-60页 |
| 5.6 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间获得的科研成果 | 第67-69页 |
| 致谢 | 第69页 |
