基于信息匹配的推荐算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 研究的目的和意义 | 第15-16页 |
| 1.3 推荐系统的研究现状 | 第16-19页 |
| 1.3.1 推荐系统研究的主要内容 | 第16-17页 |
| 1.3.2 个性化推荐的研究现状 | 第17-18页 |
| 1.3.3 群组推荐的研究现状 | 第18页 |
| 1.3.4 推荐系统面临的主要问题 | 第18-19页 |
| 1.4 推荐引擎的架构 | 第19-21页 |
| 1.5 本文的主要研究内容 | 第21-22页 |
| 1.6 论文结构安排 | 第22-24页 |
| 第二章 个性化推荐及群组推荐的介绍 | 第24-36页 |
| 2.1 推荐系统介绍 | 第24-26页 |
| 2.2 协同过滤模型 | 第26-30页 |
| 2.2.1 基于用户的协同过滤 | 第26-29页 |
| 2.2.2 基于物品的协同过滤 | 第29-30页 |
| 2.3 流行度模型 | 第30-31页 |
| 2.4 隐语义模型 | 第31-32页 |
| 2.5 传统的群组推荐模型 | 第32-33页 |
| 2.6 个性化推荐需要解决的问题 | 第33页 |
| 2.7 本章小节 | 第33-36页 |
| 第三章基于信息匹配的个性化推荐 | 第36-44页 |
| 3.1 引言 | 第36-37页 |
| 3.2 相关工作 | 第37页 |
| 3.3 信息的相关性 | 第37-38页 |
| 3.3.1 相关性假设 | 第37-38页 |
| 3.3.2 假设公式化 | 第38页 |
| 3.4 描述特征及概率模型 | 第38-41页 |
| 3.4.1 描述特征 | 第38-39页 |
| 3.4.2 用户与物品的关系 | 第39页 |
| 3.4.3 评分的随机性 | 第39-41页 |
| 3.5 信息的相关性匹配 | 第41-42页 |
| 3.5.1 特征向量的相关性匹配 | 第41页 |
| 3.5.2 用户与物品的相关性匹配 | 第41-42页 |
| 3.6 本章小结 | 第42-44页 |
| 第四章 基于信息匹配的群组推荐 | 第44-50页 |
| 4.1 引言 | 第44页 |
| 4.2 相关工作 | 第44-45页 |
| 4.3 信息的相关性匹配 | 第45-46页 |
| 4.3.1 群组类型 | 第45页 |
| 4.3.2 群组与物品的相关性匹配 | 第45-46页 |
| 4.4 群组的推荐模型 | 第46-48页 |
| 4.4.1 用户的相似度 | 第47页 |
| 4.4.2 不同群组类型的推荐模型 | 第47-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第五章 个性化推荐系统的设计及实现 | 第50-60页 |
| 5.1 引言 | 第50页 |
| 5.2 需求分析 | 第50页 |
| 5.3 相关平台技术介绍 | 第50-51页 |
| 5.3.1 Hadoop介绍 | 第50-51页 |
| 5.3.2 Hbase介绍 | 第51页 |
| 5.4 系统设计 | 第51-52页 |
| 5.4.1 系统的总体设计 | 第51页 |
| 5.4.2 运行环境 | 第51-52页 |
| 5.5 基于HADOOP的推荐模块的设计和实现 | 第52-53页 |
| 5.5.1 用户行为数据日志的预处理 | 第52页 |
| 5.5.2 推荐模块设计 | 第52页 |
| 5.5.3 过滤和排名 | 第52-53页 |
| 5.5.4 推荐解释 | 第53页 |
| 5.6 推荐系统的验证及分析 | 第53-58页 |
| 5.6.1 实验数据 | 第53页 |
| 5.6.2 相关算法 | 第53-54页 |
| 5.6.3 实验方法 | 第54-55页 |
| 5.6.4 个性化推荐 | 第55页 |
| 5.6.5 群组推荐 | 第55-56页 |
| 5.6.6 实验结果及分析 | 第56-58页 |
| 5.6.7 比较个性化推荐与群组推荐 | 第58页 |
| 5.7 本章小结 | 第58-60页 |
| 第六章 结论 | 第60-62页 |
| 6.1 全文总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 6.2.1 进一步的工作 | 第60-61页 |
| 6.2.2 推荐系统技术的展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 作者简介 | 第66页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第66-67页 |
| 致谢 | 第67-68页 |
