| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 研究目标、内容与方法 | 第15-16页 |
| 1.3.1 课题研究目标 | 第15页 |
| 1.3.2 课题研究内容 | 第15页 |
| 1.3.3 课题研究方法 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 1.5 本章小结 | 第17-19页 |
| 第2章 群组推荐系统及相关技术简介 | 第19-35页 |
| 2.1 推荐系统 | 第19-21页 |
| 2.1.1 个人推荐系统 | 第19页 |
| 2.1.2 群组推荐系统 | 第19-21页 |
| 2.2 推荐方法分类 | 第21-29页 |
| 2.2.1 基于内容的推荐算法 | 第21-23页 |
| 2.2.2 基于协同过滤的推荐算法 | 第23-29页 |
| 2.3 群组推荐系统的关键技术 | 第29-32页 |
| 2.3.1 群组推荐的用户偏好获取 | 第29-30页 |
| 2.3.2 群组推荐的群组发现 | 第30-31页 |
| 2.3.3 群组推荐偏好融合策略 | 第31-32页 |
| 2.4 群组推荐系统面临的挑战 | 第32页 |
| 2.5 本章小结 | 第32-35页 |
| 第3章 基于矩阵分解的群组推荐算法 | 第35-49页 |
| 3.1 基于矩阵分解的群组推荐算法 | 第35-40页 |
| 3.1.1 矩阵分解 | 第35-37页 |
| 3.1.2 模型描述 | 第37-38页 |
| 3.1.3 群组融合函数 | 第38-39页 |
| 3.1.4 随机梯度下降法 | 第39-40页 |
| 3.2 算法描述和设计 | 第40-41页 |
| 3.2.1 算法描述 | 第40-41页 |
| 3.2.2 算法设计 | 第41页 |
| 3.3 算法评估 | 第41-48页 |
| 3.3.1 实验数据集 | 第41-42页 |
| 3.3.2 实验环境 | 第42页 |
| 3.3.3 评价标准 | 第42-43页 |
| 3.3.4 对比算法-基于融合个人预测评分的群组推荐算法 | 第43-44页 |
| 3.3.5 实验过程及结果分析 | 第44-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第4章 基于时间效应和项目权重的群组推荐算法 | 第49-61页 |
| 4.1 改进的矩阵分解模型(WMF) | 第49-54页 |
| 4.1.1 岭回归估计法 | 第49-50页 |
| 4.1.2 模型描述 | 第50-51页 |
| 4.1.3 时间效应函数 | 第51-54页 |
| 4.2 基于WMF模型和时间效应的群组推荐算法 | 第54-55页 |
| 4.2.1 算法描述 | 第54-55页 |
| 4.2.2 算法设计 | 第55页 |
| 4.3 算法评估 | 第55-60页 |
| 4.3.1 实验过程及结果分析 | 第56-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第5章 电影群组推荐系统设计与实现 | 第61-73页 |
| 5.1 系统概述 | 第61页 |
| 5.2 系统需求分析 | 第61-63页 |
| 5.2.1 功能需求 | 第61-63页 |
| 5.2.2 非功能性需求 | 第63页 |
| 5.3 系统设计 | 第63-69页 |
| 5.3.1 系统拓扑结构 | 第63-64页 |
| 5.3.2 系统架构设计 | 第64-65页 |
| 5.3.3 系统功能设计 | 第65-67页 |
| 5.3.4 系统数据库设计 | 第67-69页 |
| 5.4 系统主要功能实现 | 第69-72页 |
| 5.4.1 系统开发环境 | 第69-70页 |
| 5.4.2 系统功能实现 | 第70-72页 |
| 5.5 本章小结 | 第72-73页 |
| 第6章 结论与展望 | 第73-75页 |
| 6.1 本文总结 | 第73页 |
| 6.2 未来研究工作展望 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81页 |