基于信息扩展的推荐系统
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-11页 |
| ·研究背景及意义 | 第8-9页 |
| ·研究背景 | 第8-9页 |
| ·研究意义 | 第9页 |
| ·本文主要工作及章节安排 | 第9-11页 |
| 2 个性化推荐 | 第11-26页 |
| ·个性化推荐概述 | 第11-14页 |
| ·个性化推荐技术产生的背景 | 第11页 |
| ·国内外研究现状 | 第11-14页 |
| ·基于内容的个性化推荐 | 第14-20页 |
| ·内容推荐算法概述 | 第15-16页 |
| ·文本特征提取的方法 | 第16-19页 |
| ·内容推荐算法的优缺点 | 第19-20页 |
| ·基于协作的个性化推荐 | 第20-26页 |
| ·用户之间的协作推荐 | 第20页 |
| ·基于内存的推荐算法 | 第20-21页 |
| ·基于模型的推荐算法 | 第21-26页 |
| 3 基于扩展信息的推荐方法 | 第26-36页 |
| ·数据离散化 | 第26页 |
| ·向量扩展 | 第26-28页 |
| ·算法流程 | 第28-29页 |
| ·潜在语义索引 | 第29-30页 |
| ·试验结果和分析 | 第30-34页 |
| ·评测数据集及评测方法 | 第30-31页 |
| ·用户全部信息与Baseline的对比实验 | 第31-33页 |
| ·单独用户的信息对预测的影响 | 第33-34页 |
| ·年龄，职业，性别信息进行两两组合的结果 | 第34页 |
| ·小结 | 第34-36页 |
| 4 基于聚类的推荐方法 | 第36-46页 |
| ·基于聚类最近邻居的推荐方法 | 第36-38页 |
| ·基本思想 | 第36页 |
| ·算法流程 | 第36-38页 |
| ·数据预处理 | 第38页 |
| ·用户数据聚类 | 第38页 |
| ·用户信息聚类平滑的推荐方法 | 第38-42页 |
| ·基本思想 | 第38-39页 |
| ·算法流程 | 第39-41页 |
| ·数据平滑处理 | 第41-42页 |
| ·试验结果及分析 | 第42-46页 |
| ·聚类最近邻居结果分析 | 第42-44页 |
| ·聚类平滑结果分析 | 第44-46页 |
| 5 结论和展望 | 第46-48页 |
| ·本文的主要内容总结 | 第46页 |
| ·本文主要的创新点 | 第46页 |
| ·进一步的工作 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 攻读硕士学位期间发表学术论文情况 | 第52-53页 |
