基于用户兴趣聚类的协同过滤推荐技术的研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景 | 第10-11页 |
| ·协同过滤技术的国内外研究现状 | 第11-13页 |
| ·本文的研究意义 | 第13-14页 |
| ·本文的主要工作 | 第14页 |
| ·本文的组织结构 | 第14-16页 |
| 第二章 个性化推荐系统的研究 | 第16-24页 |
| ·个性化推荐系统概述 | 第16-17页 |
| ·个性化推荐系统的界面表现形式 | 第17页 |
| ·个性化推荐系统的输入/输出方式 | 第17-19页 |
| ·电子商务推荐系统的输入方式 | 第18-19页 |
| ·电子商务推荐系统的输出方式 | 第19页 |
| ·个性化推荐系统的分类 | 第19-21页 |
| ·个性化推荐系统面临的主要挑战 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 信息过滤技术在个性化推荐中的应用研究 | 第24-36页 |
| ·基于内容的过滤技术 | 第24-25页 |
| ·基于内容的过滤技术概述 | 第24页 |
| ·基于内容的过滤的优劣分析 | 第24-25页 |
| ·协同过滤技术 | 第25-30页 |
| ·协同过滤技术概述 | 第25-28页 |
| ·协同过滤技术的分类 | 第28页 |
| ·协同过滤技术的优缺点 | 第28-30页 |
| ·基于用户的协同过滤技术 | 第30-32页 |
| ·最近邻查询 | 第31页 |
| ·相似度计算 | 第31-32页 |
| ·预测计算 | 第32页 |
| ·基于项目的协同过滤推荐算法 | 第32-34页 |
| ·本章小结 | 第34-36页 |
| 第四章 基于用户兴趣聚类的协同过滤算法 | 第36-50页 |
| ·聚类分析概述 | 第36-40页 |
| ·聚类的基本概念 | 第36-37页 |
| ·主要的聚类方法 | 第37-40页 |
| ·项目资源分类 | 第40-42页 |
| ·用户兴趣模型 | 第42页 |
| ·用户兴趣聚类 | 第42-44页 |
| ·基于用户兴趣聚类的最近邻查询 | 第44-47页 |
| ·查询算法 | 第44-45页 |
| ·相似性度量方法分析 | 第45-47页 |
| ·算法分析 | 第47页 |
| ·生成推荐 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 算法的实现和评价 | 第50-66页 |
| ·算法的设计与实现 | 第50-58页 |
| ·用户兴趣聚类模块的实现 | 第51-54页 |
| ·查找最近邻居模块 | 第54-56页 |
| ·预测评分并生成推荐 | 第56-58页 |
| ·数据集 | 第58-60页 |
| ·评价标准 | 第60-61页 |
| ·实验设计和结果分析 | 第61-63页 |
| ·数据集的抽取 | 第61页 |
| ·算法的时间复杂度分析 | 第61-62页 |
| ·实验环境 | 第62页 |
| ·实验结果及其分析 | 第62-63页 |
| ·实验结论 | 第63-64页 |
| ·本章小结 | 第64-66页 |
| 第六章 结束语 | 第66-68页 |
| ·本文的总结 | 第66-67页 |
| ·未来工作 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-73页 |
| 攻读硕士期间参加的项目 | 第73页 |
