基于二分图的聚类推荐算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 本文研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 1.4 本文的组织架构 | 第14-15页 |
| 第二章 推荐算法及其相关理论 | 第15-34页 |
| 2.1 推荐算法概述 | 第15-18页 |
| 2.2 基于协同过滤的推荐算法 | 第18-24页 |
| 2.2.1 基于用户的协同过滤推荐 | 第18-21页 |
| 2.2.2 基于项目的协同过滤推荐 | 第21-24页 |
| 2.3 基于聚类的推荐算法 | 第24-28页 |
| 2.3.1 聚类算法概述 | 第24-26页 |
| 2.3.2 基于聚类的推荐算法 | 第26-28页 |
| 2.4 基于图的推荐算法 | 第28-33页 |
| 2.4.1 评分数据的二分图表示及映射 | 第28-30页 |
| 2.4.2 ItemRank 算法 | 第30-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于二分图的项目聚类推荐算法 | 第34-46页 |
| 3.1 项目相似度计算 | 第34-38页 |
| 3.2 推荐权值计算 | 第38-43页 |
| 3.2.1 用户对项目类的偏好度 | 第38-41页 |
| 3.2.2 项目的类内权重及项目的推荐权值 | 第41-43页 |
| 3.3 基于二分图的项目聚类推荐算法 | 第43-45页 |
| 3.3.1 算法思想 | 第43页 |
| 3.3.2 算法描述 | 第43-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 实验设计与结果分析 | 第46-60页 |
| 4.1 数据集介绍 | 第46-47页 |
| 4.2 评测指标介绍与选择 | 第47-51页 |
| 4.3 实验环境与说明 | 第51-52页 |
| 4.4 实验设计与分析 | 第52-59页 |
| 4.4.1 项目空间阈值调优 | 第52-55页 |
| 4.4.2 聚类数目的影响 | 第55-57页 |
| 4.4.3 不同算法对比评测 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 本文总结 | 第60-61页 |
| 5.2 下一步工作 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读博士/硕士学位期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 附件 | 第69页 |
