基于混合协同过滤方法的在线教育推荐系统的设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 课题研究背景及意义 | 第16-19页 |
| 1.1.1 课题研究背景 | 第16-17页 |
| 1.1.2 个性化推荐意义 | 第17-19页 |
| 1.2 研究现状 | 第19-21页 |
| 1.2.1 国外研究现状 | 第19-20页 |
| 1.2.2 国内研究现状 | 第20页 |
| 1.2.3 推荐系统的应用发展 | 第20-21页 |
| 1.3 主要研究内容及创新点 | 第21-22页 |
| 1.4 文章结构 | 第22-24页 |
| 第二章 推荐算法及其相关技术研究 | 第24-36页 |
| 2.1 协同过滤推荐 | 第24-29页 |
| 2.1.2 用户协同过滤 | 第26-29页 |
| 2.1.3 物品协同过滤 | 第29页 |
| 2.2 基于内容的推荐 | 第29-32页 |
| 2.3 冷启动问题 | 第32-33页 |
| 2.4 协同过滤算法的评测标准 | 第33-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 混合协同过滤算法的改进及结果分析 | 第36-52页 |
| 3.1 基于共同用户评分的算法改进 | 第36-38页 |
| 3.1.1 Pearson相似度计算模型 | 第36-37页 |
| 3.1.2 基于时间衰减加权的改进 | 第37页 |
| 3.1.3 基于共同评分项目的改进算法 | 第37-38页 |
| 3.1.4 基于Pearson相似度的组合改进 | 第38页 |
| 3.2 融合用户特征的相似性计算 | 第38-41页 |
| 3.2.1 用户特征描述 | 第38-39页 |
| 3.2.2 用户特征相似性计算 | 第39-40页 |
| 3.2.3 融合用户特征属性的相似性 | 第40-41页 |
| 3.3 实验设计及结果分析 | 第41-50页 |
| 3.3.1 实验数据准备 | 第41-43页 |
| 3.3.2 实验度量指标 | 第43-44页 |
| 3.3.3 实验参数说明 | 第44-45页 |
| 3.3.4 误差说明 | 第45页 |
| 3.3.5 实验方案及实验结果分析 | 第45-50页 |
| 3.4 本章小结 | 第50-52页 |
| 第四章 在线教育推荐系统的设计与实现 | 第52-68页 |
| 4.1 需求分析 | 第52页 |
| 4.2 系统概要设计 | 第52-54页 |
| 4.2.1 系统功能设计 | 第52-53页 |
| 4.2.2 系统总体架构设计 | 第53-54页 |
| 4.3 系统详细设计 | 第54-64页 |
| 4.3.1 开发环境 | 第54页 |
| 4.3.2 数据模型处理模块 | 第54-56页 |
| 4.3.3 后台推荐引擎模块 | 第56-58页 |
| 4.3.4 推荐结果适应场景重排名 | 第58页 |
| 4.3.5 数据库设计 | 第58-62页 |
| 4.3.6 数据库缓存模块 | 第62-63页 |
| 4.3.7 用户评分反馈模块 | 第63页 |
| 4.3.8 交互模块 | 第63-64页 |
| 4.4 系统测试 | 第64-67页 |
| 4.4.1 测试用例设计 | 第64-65页 |
| 4.4.2 登录退出模块测试 | 第65-66页 |
| 4.4.3 列表页面测试 | 第66页 |
| 4.4.4 评分收藏测试 | 第66-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68-69页 |
| 5.2 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 作者简介 | 第76-77页 |
