首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于混合模型的推荐系统的研究

摘要第4-6页
abstract第6-7页
第1章 绪论第10-15页
    1.1 研究背景与意义第10-11页
    1.2 目前推荐系统所存在的主要问题第11-12页
    1.3 国内外研究现状第12页
    1.4 论文的主要研究内容第12-15页
        1.4.1 研究内容第12-13页
        1.4.2 章节安排第13-15页
第2章 相关概念及技术简介第15-29页
    2.1 推荐系统的架构第15-16页
    2.2 推荐系统的算法第16-22页
    2.3 推荐系统的测评指标第22-24页
    2.4 推荐系统的算法库第24-25页
        2.4.1 LibRec算法库第24-25页
        2.4.2 Mahout算法库第25页
    2.5 分类算法原理第25-28页
        2.5.1 逻辑回归算法(LR)第25-26页
        2.5.2 梯度提升树算法(GBDT)第26-27页
        2.5.3 随机森林算法(RF)第27-28页
    2.6 本章小结第28-29页
第3章 基于矩阵分解推荐的改进算法第29-39页
    3.1 矩阵分解模型第29-35页
        3.1.1 矩阵分解模型概述第29-30页
        3.1.2 SVD算法第30-31页
        3.1.3 SVD的改进推荐算法第31-35页
    3.2 SVD++的改进算法第35-38页
    3.3 本章小结第38-39页
第4章 基于模型混合的推荐系统第39-48页
    4.1 模型的提出第39-40页
    4.2 基于混合模型的推荐系统框架第40-44页
        4.2.1 数据处理部分第40-41页
        4.2.2 数据采样部分第41-42页
        4.2.3 训练集的构建部分第42页
        4.2.4 特征工程部分第42-44页
    4.3 模型融合第44-47页
        4.3.1 模型融合所涉及的算法第44-45页
        4.3.2 分类器的模型融合算法第45-47页
    4.4 本章小结第47-48页
第5章 实验分析与比较第48-57页
    5.1 矩阵分解的改进的实验设计第48-51页
        5.1.1 实验的数据集第48页
        5.1.2 实验的测评指标第48-49页
        5.1.3 实验结果的分析第49-51页
    5.2 基于模型混合的推荐系统的实验设计第51-57页
        5.2.1 实验的数据集第51页
        5.2.2 实验的测评指标第51页
        5.2.3 实验结果的分析第51-57页
第6章 总结与进一步工作第57-59页
    6.1 工作总结第57页
    6.2 进一步工作第57-59页
参考文献第59-62页
作者简介及在学期所取得的科研成果第62-63页
致谢第63页

论文共63页,点击 下载论文
上一篇:金属蠕变综合试验控制系统研究与实现
下一篇:基于MAPBOX的校园停车位平台设计与实现