协同过滤推荐技术的研究与改进
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 选题背景和意义 | 第10-12页 |
| 1.2 国内外研究历史与现状 | 第12-14页 |
| 1.3 课题的研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第二章 个性化推荐系统 | 第16-31页 |
| 2.1 推荐系统概述 | 第16-17页 |
| 2.2 个性化推荐算法 | 第17-23页 |
| 2.2.1 基于内容的推荐 | 第18-19页 |
| 2.2.2 协同过滤推荐 | 第19-22页 |
| 2.2.2.1 基于内存的协同过滤推荐 | 第19-21页 |
| 2.2.2.2 基于模型的协同过滤推荐 | 第21-22页 |
| 2.2.3 混合方法 | 第22-23页 |
| 2.3 推荐算法的评价 | 第23-28页 |
| 2.3.1 推荐算法实验数据集 | 第24页 |
| 2.3.2 推荐算法的评价指标 | 第24-28页 |
| 2.3.2.1 预测准确性 | 第24-26页 |
| 2.3.2.2 推荐准确性 | 第26-27页 |
| 2.3.2.3 其他 | 第27-28页 |
| 2.4 推荐系统面临的问题 | 第28-30页 |
| 2.4.1 数据稀疏性问题 | 第28-29页 |
| 2.4.2 冷启动问题 | 第29-30页 |
| 2.4.3 可扩展性问题 | 第30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 结合置信度函数的协同过滤推荐方法 | 第31-53页 |
| 3.1 传统相似度计算方法 | 第31-32页 |
| 3.2 传统相似度的问题 | 第32-35页 |
| 3.3 置信度函数及其推导 | 第35-39页 |
| 3.4 算法流程 | 第39-40页 |
| 3.5 实验与分析 | 第40-52页 |
| 3.5.1 实验一、参数α对实验效果的影响 | 第40-43页 |
| 3.5.2 实验二、参数θ对实验效果的影响 | 第43-45页 |
| 3.5.3 实验三、参数λ对实验效果的影响 | 第45-48页 |
| 3.5.4 实验四、与其他相似度计算方法的比较 | 第48-52页 |
| 3.6 本章小结 | 第52-53页 |
| 第四章 基于用户兴趣的评分预测方法 | 第53-62页 |
| 4.1 引言 | 第53页 |
| 4.2 用户兴趣 | 第53-55页 |
| 4.3 基于用户兴趣的评分预测方法 | 第55-56页 |
| 4.4 实验与分析 | 第56-59页 |
| 4.4.1 实验一、阈值θ的确定 | 第56-57页 |
| 4.4.2 实验二、各评分预测方法的比较 | 第57-59页 |
| 4.5 本章小结 | 第59-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间完成的工作 | 第69-70页 |
| 致谢 | 第70页 |
