移动客户端个性化产品资讯推荐算法的研究与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 引言 | 第9-11页 |
| 第一章 绪论 | 第11-16页 |
| ·课题研究背景和意义 | 第11页 |
| ·国内外研究现状及发展趋势 | 第11-13页 |
| ·面向移动端的个性化推荐技术 | 第12-13页 |
| ·用户信任相关技术研究 | 第13页 |
| ·本文的主要工作 | 第13-14页 |
| ·论文组织结构 | 第14-16页 |
| 第二章 相关理论与技术 | 第16-28页 |
| ·个性化推荐技术简介 | 第16-21页 |
| ·基于内容的推荐技术 | 第16-17页 |
| ·协同过滤推荐技术 | 第17-19页 |
| ·基于关联规则的推荐技术 | 第19-20页 |
| ·相似度计算方法 | 第20-21页 |
| ·信任知识的介绍 | 第21-23页 |
| ·信任的定义 | 第21-22页 |
| ·信任度模型 | 第22-23页 |
| ·定量分析方法的选择 | 第23-27页 |
| ·常用定量综合分析方法的介绍 | 第24-25页 |
| ·层次分析法工作流程 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 用户冷启动问题解决方案的设计与实现 | 第28-35页 |
| ·协同过滤推荐算法的优缺点 | 第28-29页 |
| ·现有的用户冷启动问题解决方法 | 第29-30页 |
| ·基于上下文的用户冷启动问题解决方案 | 第30-34页 |
| ·上下文信息的选择 | 第30-31页 |
| ·构建已有用户兴趣分类模型 | 第31-33页 |
| ·用户冷启动问题的处理流程及核心算法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 改进协同过滤推荐算法的设计与实现 | 第35-45页 |
| ·算法改进的角度及意义 | 第35-36页 |
| ·用户信任度模型的构建 | 第36-40页 |
| ·相关概念及定义 | 第36-37页 |
| ·基于上下文信息的用户信任度模型 | 第37-40页 |
| ·融合用户信任度的协同过滤推荐系统架构 | 第40-42页 |
| ·融合用户信任度的协同过滤推荐算法 | 第42-44页 |
| ·改进的协同过滤推荐算法 | 第42页 |
| ·用户最近邻的产生 | 第42-43页 |
| ·推荐结果的产生 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 实验及结果分析 | 第45-55页 |
| ·实验环境及数据 | 第45-47页 |
| ·实验环境 | 第45-47页 |
| ·实验数据及实验说明 | 第47页 |
| ·评价指标 | 第47-49页 |
| ·用户信任度模型的性能评估 | 第49页 |
| ·用户冷启动解决方案的性能评估 | 第49-52页 |
| ·不同决策树模型对推荐结果的影响 | 第50页 |
| ·不同上下文信息对推荐准确率的影响 | 第50-51页 |
| ·新用户推荐结果 | 第51-52页 |
| ·改进的协同过滤推荐算法性能评估 | 第52-54页 |
| ·集合交集元素个数阈值 ? 的讨论 | 第52页 |
| ·改进的评分预测公式权重 ? 的讨论 | 第52-53页 |
| ·不同推荐算法性能比较 | 第53-54页 |
| ·本章小节 | 第54-55页 |
| 结束语 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读学位期间发表的论文 | 第61-62页 |
| 致谢 | 第62页 |
