基于时间因子的动态推荐算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-13页 |
| ·研究意义和背景 | 第10-11页 |
| ·本文的主要工作 | 第11-12页 |
| ·本文的组织结构 | 第12-13页 |
| 第2章 推荐系统综述 | 第13-19页 |
| ·推荐系统的概念 | 第13页 |
| ·推荐系统的国内外现状 | 第13-15页 |
| ·推荐系统的主要方法 | 第15-16页 |
| ·内容过滤 | 第15页 |
| ·协同过滤 | 第15-16页 |
| ·社会化过滤 | 第16页 |
| ·融合时间因子的推荐系统研究现状 | 第16-17页 |
| ·本章小结 | 第17-19页 |
| 第3章 推荐系统的动态属性分析 | 第19-30页 |
| ·动态性在推荐系统中的表达 | 第19页 |
| ·推荐系统的动态性分析 | 第19-29页 |
| ·物品的时间属性 | 第19-24页 |
| ·物品的生存周期 | 第20-21页 |
| ·物品的更新速率 | 第21-23页 |
| ·物品的时间属性对推荐系统的影响 | 第23-24页 |
| ·用户兴趣的时间属性 | 第24-28页 |
| ·长期兴趣和短期兴趣 | 第24-26页 |
| ·个人兴趣和社会兴趣 | 第26-27页 |
| ·用户兴趣的时间属性对推荐系统的影响 | 第27-28页 |
| ·时间热点效应 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第4章 推荐系统中基于时间因子的动态模型 | 第30-38页 |
| ·问题定义和方法论述 | 第30-31页 |
| ·现有的推荐图模型及存在的问题 | 第31-33页 |
| ·简单的用户物品二分图模型示例 | 第31-32页 |
| ·单时间因素推荐图模型示例 | 第32-33页 |
| ·改进的推荐图模型示例 | 第33-34页 |
| ·融合时间因子的用户兴趣动态预测 | 第34-36页 |
| ·路径融合算法 | 第34-36页 |
| ·基于时刻图模型的用户兴趣值的计算 | 第36页 |
| ·本章小结 | 第36-38页 |
| 第5章 实验结果及分析 | 第38-47页 |
| ·数据来源 | 第38-39页 |
| ·实验设置和评测标准 | 第39-40页 |
| ·实验设置 | 第39页 |
| ·评测标准 | 第39-40页 |
| ·实验结果及分析 | 第40-46页 |
| ·实验前的准备工作 | 第40-43页 |
| ·本文提出的推荐方法的实验 | 第43-44页 |
| ·对比实验 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第6章 总结与展望 | 第47-49页 |
| ·本文总结 | 第47-48页 |
| ·下一步工作 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 附录 作者在攻读硕士学位期间发表的学术论文 | 第54页 |
