基于粗糙集理论的个性化推荐算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| §1-1 研究背景、目标与意义 | 第8-10页 |
| 1-1-1 研究背景 | 第8-9页 |
| 1-1-2 研究目标与意义 | 第9-10页 |
| §1-2 国内外研究现状 | 第10-12页 |
| 1-2-1 国外研究现状 | 第10-11页 |
| 1-2-2 国内研究现状 | 第11-12页 |
| §1-3 研究内容与论文组织 | 第12-14页 |
| 第二章 个性化推荐算法和粗糙集理论研究综述 | 第14-26页 |
| §2-1 个性化推荐算法理论综述 | 第14-17页 |
| 2-1-1 电子商务系统概述 | 第14页 |
| 2-1-2 个性化推荐技术 | 第14-17页 |
| 2-1-3 个性化推荐研究的主要热点问题 | 第17页 |
| §2-2 粗糙集理论和方法 | 第17-25页 |
| 2-2-1 一些基本概念 | 第19-21页 |
| 2-2-2 粗集理论常用方法 | 第21-24页 |
| 2-2-3 粗糙集常用软件 | 第24-25页 |
| 2-2-4 粗糙集理论的特点和应用 | 第25页 |
| §2-3 本章小结 | 第25-26页 |
| 第三章 面向个性化推荐的粗集规则获取算法的改进 | 第26-37页 |
| §3-1 问题描述 | 第26页 |
| §3-2 个性化推荐系统的建模流程 | 第26-28页 |
| §3-3 现有规则获取算法及不足 | 第28-32页 |
| 3-3-1 基于信息向量的规则获取方法 | 第29页 |
| 3-3-2 基于二进制区分矩阵的规则获取方法 | 第29-31页 |
| 3-3-3 基于机器学习的规则获取方法 | 第31页 |
| 3-3-4 现有规则获取方法的不足 | 第31-32页 |
| §3-4 改进的规则获取算法 | 第32-36页 |
| 3-4-1 求核属性与约简集的算法 | 第34-36页 |
| 3-4-2 最简规则获取算法 | 第36页 |
| §3-5 本章小结 | 第36-37页 |
| 第四章 基于粗糙集理论改进算法的验证和评价 | 第37-46页 |
| §4-1 实验环境 | 第37页 |
| §4-2 实验原始数据及数据预处理 | 第37-39页 |
| 4-2-1 基本数据预处理方法 | 第37页 |
| 4-2-2 原始数据的来源 | 第37-39页 |
| 4-2-3 实验数据的预处理 | 第39页 |
| §4-3 建立决策信息系统 | 第39-40页 |
| §4-4 规则获取与比较 | 第40-45页 |
| 4-4-1 基于区分矩阵获取的规则 | 第40-42页 |
| 4-4-2 ROSETTA 上现有算法获取的规则 | 第42-43页 |
| 4-4-3 基于改进算法的规则获取 | 第43-44页 |
| 4-4-4 结果比较 | 第44-45页 |
| §4-5 推荐性能的测试 | 第45页 |
| §4-6 本章小结 | 第45-46页 |
| 第五章 结论与展望 | 第46-47页 |
| §5-1 结论 | 第46页 |
| §5-2 展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50-51页 |
| 攻读学位期间所取得的相关科研成果 | 第51页 |
