基于回归策略的推荐算法研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 1 引言 | 第11-15页 |
| ·研究背景和意义 | 第11-12页 |
| ·本文研究的主要内容 | 第12-13页 |
| ·论文组织与安排 | 第13-15页 |
| 2 推荐算法综述 | 第15-25页 |
| ·协同过滤算法 | 第15-20页 |
| ·基于用户的邻域算法 | 第16-17页 |
| ·基于商品的邻域算法 | 第17-19页 |
| ·基于模型的算法 | 第19-20页 |
| ·基于内容的推荐 | 第20-21页 |
| ·组合策略 | 第21-23页 |
| ·同质组合 | 第22-23页 |
| ·异质组合 | 第23页 |
| ·回归预测与推荐系统 | 第23-25页 |
| 3 Weka中的回归算法分析 | 第25-39页 |
| ·线性回归 | 第25-28页 |
| ·最小二乘估计 | 第26-27页 |
| ·岭回归估计 | 第27页 |
| ·属性选择 | 第27-28页 |
| ·名称型属性数值化 | 第28页 |
| ·k近邻回归 | 第28-30页 |
| ·支持向量回归 | 第30-34页 |
| ·线性可分 | 第30-33页 |
| ·线性不可分 | 第33-34页 |
| ·模型树与回归树 | 第34-39页 |
| ·属性选择与分裂 | 第35-36页 |
| ·处理缺损值 | 第36-37页 |
| ·剪枝 | 第37-38页 |
| ·平滑处理 | 第38-39页 |
| 4 网络回归算法 | 第39-47页 |
| ·问题描述与符号定义 | 第39-41页 |
| ·ITL算法 | 第41-44页 |
| ·初始化 | 第41-42页 |
| ·置信度 | 第42-43页 |
| ·预测 | 第43-44页 |
| ·NCLUS算法 | 第44-45页 |
| ·属性选择 | 第44-45页 |
| ·处理名称型属性 | 第45页 |
| ·分裂停止条件 | 第45页 |
| ·评分数据网络化 | 第45-47页 |
| 5 迭代加权回归算法 | 第47-54页 |
| ·加权回归 | 第48-49页 |
| ·估计回归系数 | 第48-49页 |
| ·权函数 | 第49页 |
| ·迭代提升 | 第49-51页 |
| ·估计置信度 | 第51-52页 |
| ·基于迭代加权回归的推荐算法 | 第52-54页 |
| 6 实验及分析 | 第54-63页 |
| ·数据集合 | 第54-57页 |
| ·空间网络数据 | 第54-55页 |
| ·社会网络数据 | 第55-56页 |
| ·MovieLens数据集 | 第56-57页 |
| ·实验设计 | 第57-59页 |
| ·系统设计 | 第57-58页 |
| ·评价指标及方式 | 第58-59页 |
| ·实验结果及分析 | 第59-63页 |
| 7 总结与展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 作者简历 | 第71-73页 |
| 学位论文数据集 | 第73页 |
