基于Web挖掘的个性化推荐系统研究
摘要 | 第6-7页 |
Abstract | 第7页 |
第1章 绪论 | 第12-18页 |
1.1 课题背景 | 第12-13页 |
1.2 研究目的及意义 | 第13-14页 |
1.3 研究现状 | 第14-16页 |
1.4 本文研究内容及组织 | 第16-18页 |
第2章 个性化推荐技术 | 第18-28页 |
2.1 个性化推荐技术概述 | 第18-23页 |
2.1.1 个性化推荐技术概念 | 第18-19页 |
2.1.2 个性化推荐技术分类 | 第19-23页 |
2.2 个性化推荐系统评价 | 第23-26页 |
2.2.1 推荐系统实验方法 | 第24-25页 |
2.2.2 常用评测指标 | 第25-26页 |
2.3 本章小结 | 第26-28页 |
第3章 Web挖掘技术 | 第28-36页 |
3.1 Web挖掘技术概述 | 第28-32页 |
3.1.1 Web挖掘概念 | 第28-29页 |
3.1.2 Web挖掘分类 | 第29-32页 |
3.2 Web挖掘方法 | 第32-35页 |
3.3 本章小结 | 第35-36页 |
第4章 改进的协同过滤算法 | 第36-50页 |
4.1 协同过滤简介 | 第36-37页 |
4.2 优化相似度计算方法 | 第37-40页 |
4.2.1 传统相似度计算 | 第37-38页 |
4.2.2 传统相似度计算分析 | 第38页 |
4.2.3 相似度计算方法改进 | 第38-40页 |
4.3 兴趣动态建模 | 第40-41页 |
4.4 推荐可信度机制 | 第41-45页 |
4.5 实验与结果分析 | 第45-49页 |
4.6 本章小结 | 第49-50页 |
第5章 基于Web挖掘的个性化推荐系统设计 | 第50-60页 |
5.1 用户偏好行为 | 第50-51页 |
5.2 Web日志处理 | 第51-54页 |
5.3 用户-兴趣建模架构 | 第54-58页 |
5.4 基于Web挖掘的个性化推荐系统 | 第58-59页 |
5.5 本章小结 | 第59-60页 |
第6章 实验与分析 | 第60-68页 |
6.1 实验数据源 | 第60页 |
6.2 日志预处理 | 第60-64页 |
6.3 实验结果与分析 | 第64-67页 |
6.4 本章小结 | 第67-68页 |
第7章 结论 | 第68-70页 |
7.1 论文总结 | 第68-69页 |
7.2 工作展望 | 第69-70页 |
参考文献 | 第70-74页 |
攻读硕士学位期间发表的学术论文 | 第74-76页 |
攻读硕士学位期间参与的科研项目 | 第76-77页 |
致谢 | 第77页 |