基于PSO的多因子协同过滤推荐算法研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 中文文摘 | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 研究现状及趋势 | 第10-13页 |
| 1.3 本文的主要贡献 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第二章 传统协同过滤推荐算法 | 第15-28页 |
| 2.1 推荐问题的定义及评测 | 第15-17页 |
| 2.1.1 评分预测推荐 | 第15-16页 |
| 2.1.2 TopN推荐 | 第16-17页 |
| 2.2 传统协同过滤推荐算法简介 | 第17-23页 |
| 2.2.1 基于启发式的协同过滤推荐算法 | 第17-20页 |
| 2.2.2 基于图的协同过滤推荐算法 | 第20-21页 |
| 2.2.3 基于矩阵分解的协同过滤推荐算法 | 第21-23页 |
| 2.3 协同过滤推荐算法流程 | 第23-26页 |
| 2.3.1 相似度的计算 | 第23-25页 |
| 2.3.2 近邻的选择 | 第25页 |
| 2.3.3 项目的推荐与评测 | 第25-26页 |
| 2.4 传统协同过滤推荐算法的不足及改进 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 融合多影响因子的协同过滤推荐模型 | 第28-40页 |
| 3.1 基本评分差异影响 | 第28-33页 |
| 3.2 用户因子影响 | 第33-34页 |
| 3.3 相似度影响因子融合模型 | 第34-36页 |
| 3.4 融合多影响因子的协同过滤推荐模型 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 PSO参数优化 | 第40-47页 |
| 4.1 PSO算法简介 | 第40-42页 |
| 4.2 PSO参数优化过程 | 第42-46页 |
| 4.2.1 基于PSO多因子协同过滤推荐算法 | 第42-45页 |
| 4.2.2 算法复杂度分析 | 第45-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 实验及分析 | 第47-55页 |
| 5.1 实验数据集以及评测指标 | 第47-48页 |
| 5.2 实验分析 | 第48-54页 |
| 5.2.1 MovieLens数据集上实验 | 第49-52页 |
| 5.2.2 Netflix数据集上实验 | 第52-54页 |
| 5.3 本章小结 | 第54-55页 |
| 第六章 总结展望 | 第55-56页 |
| 参考文献 | 第56-63页 |
| 攻读学位期间承担的科研任务与主要成果 | 第63-64页 |
| 致谢 | 第64-65页 |
| 个人简历 | 第65-66页 |
