协同过滤技术及其在推荐系统中的应用研究
| 摘要 | 第1-10页 |
| Abstract | 第10-12页 |
| 致谢 | 第12-19页 |
| 第一章 绪论 | 第19-43页 |
| ·研究背景及意义 | 第19-21页 |
| ·研究背景 | 第19-21页 |
| ·研究意义 | 第21页 |
| ·推荐系统概述 | 第21-27页 |
| ·推荐系统内涵 | 第21-22页 |
| ·相关推荐技术 | 第22-27页 |
| ·国内外研究现状 | 第27-40页 |
| ·协同过滤及其存在问题 | 第27-30页 |
| ·稀疏性问题研究现状 | 第30-35页 |
| ·可扩展性问题研究现状 | 第35-39页 |
| ·多内容问题研究现状 | 第39页 |
| ·群体推荐问题研究现状 | 第39-40页 |
| ·论文的研究内容与结构安排 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第二章 协同过滤技术基本描述 | 第43-51页 |
| ·基于用户的协同过滤 | 第43-46页 |
| ·用户偏好表示 | 第43-44页 |
| ·邻居用户形成 | 第44-45页 |
| ·推荐生成 | 第45-46页 |
| ·评测数据集 | 第46-47页 |
| ·评价标准 | 第47-48页 |
| ·实验方案 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第三章 协同过滤中的稀疏性问题研究 | 第51-61页 |
| ·相关工作分析 | 第51-53页 |
| ·TPNS算法 | 第53-55页 |
| ·近邻倾向性计算 | 第53-54页 |
| ·初始近邻修正 | 第54-55页 |
| ·算法描述 | 第55页 |
| ·实验结果及分析 | 第55-59页 |
| ·数据集 | 第55-56页 |
| ·评价标准 | 第56页 |
| ·实验结果 | 第56-59页 |
| ·本章小结 | 第59-61页 |
| 第四章 协同过滤中的多内容问题研究 | 第61-69页 |
| ·相关工作分析 | 第61-62页 |
| ·基于用户的协同过滤算法的局限性 | 第61-62页 |
| ·CF-IU的局限性 | 第62页 |
| ·基于项类偏好的协同过滤推荐算法 | 第62-64页 |
| ·项类偏好 | 第62-63页 |
| ·算法描述 | 第63-64页 |
| ·实验结果及分析 | 第64-67页 |
| ·数据集 | 第64-65页 |
| ·评价标准 | 第65页 |
| ·实验结果 | 第65-67页 |
| ·本章小结 | 第67-69页 |
| 第五章 协同过滤中的可扩展性问题研究 | 第69-77页 |
| ·相关工作分析 | 第69-71页 |
| ·近邻传播聚类 | 第69-71页 |
| ·局限性 | 第71页 |
| ·改进的AP算法 | 第71-73页 |
| ·相似度矩阵的定义 | 第71-72页 |
| ·聚类分配 | 第72-73页 |
| ·算法描述 | 第73页 |
| ·实验结果及分析 | 第73-75页 |
| ·数据集 | 第73-74页 |
| ·评价标准 | 第74页 |
| ·实验结果 | 第74-75页 |
| ·本章小结 | 第75-77页 |
| 第六章 协同过滤中的群体推荐问题研究 | 第77-85页 |
| ·相关工作分析 | 第77-78页 |
| ·协同过滤 | 第77页 |
| ·群体推荐系统 | 第77-78页 |
| ·结合领域专家法的群体用户推荐算法 | 第78-81页 |
| ·兴趣偏好相似性 | 第78-79页 |
| ·群体偏好 | 第79页 |
| ·领域专家法 | 第79-80页 |
| ·推荐生成 | 第80-81页 |
| ·实验结果及分析 | 第81-83页 |
| ·数据集 | 第81页 |
| ·评价标准 | 第81页 |
| ·实验结果 | 第81-83页 |
| ·本章小结 | 第83-85页 |
| 第七章 myCFRS电影推荐系统的设计与实现 | 第85-93页 |
| ·系统设计 | 第85-88页 |
| ·myCFRS的基本架构 | 第85-87页 |
| ·myCFRS的功能结构 | 第87-88页 |
| ·系统实现 | 第88-92页 |
| ·开发环境 | 第88-89页 |
| ·主要运行界面 | 第89-92页 |
| ·本章小结 | 第92-93页 |
| 第八章 总结与展望 | 第93-97页 |
| ·论文工作总结 | 第93-94页 |
| ·展望 | 第94-97页 |
| 参考文献 | 第97-107页 |
| 附录 | 第107-117页 |
| 在读期间参加的科研项目和发表的论文 | 第117页 |
