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

论文共77页,点击 下载论文
上一篇:基于EVA的FL电力公司业绩评价研究
下一篇:企业竞争战略对成本粘性的影响研究