基于邮箱系统的个性化推荐算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 课题研究现状 | 第10-11页 |
| 1.3 本文主要研究内容及意义 | 第11-12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 第二章 推荐系统介绍 | 第13-23页 |
| 2.1 推荐系统的应用 | 第13-14页 |
| 2.2 推荐系统冷启动问题 | 第14页 |
| 2.3 推荐系统评测指标 | 第14-17页 |
| 2.3.1 用户满意度 | 第14页 |
| 2.3.2 预测准确度 | 第14-16页 |
| 2.3.3 覆盖率 | 第16页 |
| 2.3.4 多样性 | 第16-17页 |
| 2.4 推荐算法介绍 | 第17-21页 |
| 2.4.1 基于人口统计的推荐 | 第17页 |
| 2.4.2 基于内容的推荐 | 第17-18页 |
| 2.4.3 协同过滤 | 第18-20页 |
| 2.4.4 混合的推荐机制 | 第20-21页 |
| 2.5 本章小结 | 第21-23页 |
| 第三章 基于内容和协同过滤的混合邮箱推荐算法设计 | 第23-44页 |
| 3.1 推荐数据 | 第23-27页 |
| 3.1.1 数据采集 | 第23-24页 |
| 3.1.2 数据处理 | 第24-27页 |
| 3.2 相似度的计算 | 第27-28页 |
| 3.3 基于内容的推荐算法研究 | 第28-33页 |
| 3.3.1 特征抽取 | 第29-30页 |
| 3.3.2 特征学习 | 第30-32页 |
| 3.3.3 产生推荐 | 第32-33页 |
| 3.4 基于物品的协同过滤研究 | 第33-35页 |
| 3.5 基于用户的协同过滤研究 | 第35-36页 |
| 3.6 基于内容和ItemCF混合的邮箱推荐算法 | 第36-42页 |
| 3.6.1 冷启动过程 | 第37-38页 |
| 3.6.2 生成兴趣向量 | 第38-40页 |
| 3.6.3 生成推荐列表 | 第40页 |
| 3.6.4 反馈机制 | 第40-42页 |
| 3.7 本章小结 | 第42-44页 |
| 第四章 实验结果分析与系统设计实现 | 第44-57页 |
| 4.1 数据集简介 | 第44页 |
| 4.2 算法的实验结果对比 | 第44-47页 |
| 4.2.1 实验结果 | 第45-46页 |
| 4.2.2 对比分析 | 第46-47页 |
| 4.3 基于邮件的图书推荐系统架构设计 | 第47-49页 |
| 4.3.1 系统总体结构 | 第47-48页 |
| 4.3.2 生成用户兴趣向量 | 第48-49页 |
| 4.3.3 反馈模块 | 第49页 |
| 4.4 基于邮件的图书推荐的开发与实现 | 第49-54页 |
| 4.4.1 系统目标 | 第49页 |
| 4.4.2 系统运行环境 | 第49-50页 |
| 4.4.3 系统架构搭建 | 第50-52页 |
| 4.4.4 数据库设计 | 第52-53页 |
| 4.4.5 获取用户邮件 | 第53页 |
| 4.4.6 产生推荐列表 | 第53页 |
| 4.4.7 前端开发 | 第53-54页 |
| 4.5 基于邮件的图书推荐系统的评测 | 第54-55页 |
| 4.6 本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57-58页 |
| 5.2 工作展望 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61-62页 |
| 作者攻读学位期间发表的学术论文目录 | 第62页 |
