基于用户排名的聚类协同过滤技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 相关领域研究现状 | 第11-13页 |
| 1.3 主要研究内容 | 第13-16页 |
| 1.3.1 本文研究内容 | 第13-14页 |
| 1.3.2 论文组织结构安排 | 第14-16页 |
| 第2章 推荐系统与相关技术 | 第16-32页 |
| 2.1 推荐系统概述 | 第16-18页 |
| 2.1.1 推荐系统的实现方式 | 第17页 |
| 2.1.2 推荐系统分类 | 第17-18页 |
| 2.2 推荐系统结构 | 第18-21页 |
| 2.2.1 输入功能模块 | 第18-19页 |
| 2.2.2 推荐功能模块 | 第19-20页 |
| 2.2.3 输出功能模块 | 第20-21页 |
| 2.3 推荐系统面临的主要挑战 | 第21页 |
| 2.4 数据挖掘技术在推荐系统中的应用 | 第21-23页 |
| 2.4.1 聚类 | 第21-22页 |
| 2.4.2 关联规则 | 第22页 |
| 2.4.3 贝叶斯网络 | 第22-23页 |
| 2.4.4 Horung图 | 第23页 |
| 2.5 协同过滤技术 | 第23-25页 |
| 2.5.1 协同过滤技术分类 | 第23-24页 |
| 2.5.2 协同过滤技术实现过程 | 第24-25页 |
| 2.6 协同过滤技术的优缺点 | 第25-26页 |
| 2.7 传统协同过滤推荐算法 | 第26-29页 |
| 2.7.1 基于用户的协同过滤算法 | 第26-29页 |
| 2.7.2 基于项目的协同过滤算法 | 第29页 |
| 2.8 本章小结 | 第29-32页 |
| 第3章 基于用户排名的聚类协同过滤算法 | 第32-46页 |
| 3.1 算法的提出 | 第32-34页 |
| 3.2 用户排名的计算 | 第34-38页 |
| 3.2.1 用户排名数据模型 | 第34-36页 |
| 3.2.2 用户排名算法 | 第36-38页 |
| 3.3 聚类分析 | 第38-40页 |
| 3.3.1 聚类分析的数据对象 | 第38页 |
| 3.3.2 聚类方法 | 第38-40页 |
| 3.4 项目聚类 | 第40-42页 |
| 3.5 最近邻居 | 第42-43页 |
| 3.6 预测推荐 | 第43-44页 |
| 3.7 本章小结 | 第44-46页 |
| 第4章 算法的实现与评价 | 第46-56页 |
| 4.1 算法的设计与实现 | 第46-51页 |
| 4.1.1 用户排名模块 | 第47-48页 |
| 4.1.2 项目聚类模块 | 第48页 |
| 4.1.3 查找最近邻居 | 第48-50页 |
| 4.1.4 预测评分并生成推荐 | 第50-51页 |
| 4.2 数据集 | 第51页 |
| 4.3 实验指标和评价标准 | 第51-52页 |
| 4.4 实验结果和分析 | 第52-54页 |
| 4.5 实验结论 | 第54页 |
| 4.6 本章小结 | 第54-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第61-62页 |
| 致谢 | 第62页 |
