个性化推荐协同过滤算法研究
| 摘要 | 第6-8页 |
| abstract | 第8-9页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.3 存在的问题与不足 | 第17-20页 |
| 1.4 本文研究内容 | 第20页 |
| 1.5 本文组织结构 | 第20-22页 |
| 第2章 个性化推荐概述 | 第22-32页 |
| 2.1 个性化推荐基本架构 | 第22-24页 |
| 2.2 常用推荐算法 | 第24-27页 |
| 2.3 协同过滤推荐算法 | 第27-31页 |
| 2.3.1 协同过滤工作原理 | 第27-28页 |
| 2.3.2 协同过滤推荐流程 | 第28-29页 |
| 2.3.3 基于用户的协同过滤 | 第29-30页 |
| 2.3.4 基于项目的协同过滤 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 基于用户评分行为的相似性研究 | 第32-43页 |
| 3.1 常用相似性度量方法 | 第32-34页 |
| 3.1.1 皮尔森相关系数 | 第32-33页 |
| 3.1.2 余弦相似度 | 第33页 |
| 3.1.3 修正的余弦相似度 | 第33页 |
| 3.1.4 约束的皮尔森相关系数 | 第33-34页 |
| 3.2 常用相似性度量方法的局限性 | 第34-36页 |
| 3.3 基于用户评分行为的相似性模型URBSM | 第36-41页 |
| 3.3.1 模型的提出 | 第36-39页 |
| 3.3.2 URBSM模型的实现 | 第39-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第4章 融合灰色评分预测的协同过滤 | 第43-53页 |
| 4.1 协同过滤中评分预测 | 第43-44页 |
| 4.2 灰色预测简介 | 第44-47页 |
| 4.2.1 灰色预测理论基础 | 第44页 |
| 4.2.2 基本灰色预测模型 | 第44-47页 |
| 4.3 灰色评分预测模型GRPM | 第47-51页 |
| 4.3.1 GRPM模型的建立 | 第47-50页 |
| 4.3.2 GRPM模型的实现 | 第50-51页 |
| 4.4 本章小结 | 第51-53页 |
| 第5章 实验结果及分析 | 第53-63页 |
| 5.1 实验数据集 | 第53页 |
| 5.2 实验环境及评价标准 | 第53-54页 |
| 5.3 实验方案 | 第54-56页 |
| 5.4 实验结果与分析 | 第56-62页 |
| 5.5 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-72页 |
| 致谢 | 第72页 |
