基于标签和可信邻域的协同过滤推荐算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文主要内容和结构 | 第11-13页 |
| 第2章 预备知识 | 第13-25页 |
| 2.1 个性化推荐概述 | 第13-15页 |
| 2.2 主要推荐技术 | 第15-20页 |
| 2.2.1 基于协同过滤的推荐技术 | 第16-18页 |
| 2.2.2 基于内容的推荐技术 | 第18-19页 |
| 2.2.3 基于关联规则的推荐技术 | 第19-20页 |
| 2.2.4 标签推荐技术 | 第20页 |
| 2.3 面向用户的协同过滤推荐技术 | 第20-24页 |
| 2.3.1 兴趣偏好模型 | 第20-21页 |
| 2.3.2 相似性度量方法 | 第21-22页 |
| 2.3.3 常用推荐质量评价标准 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 一种带标签的协同过滤广告推荐算法 | 第25-44页 |
| 3.1 问题提出 | 第25-27页 |
| 3.2 Q-K-A兴趣模型 | 第27-30页 |
| 3.3 加权相似度计算 | 第30-31页 |
| 3.4 广告预测点击率 | 第31-32页 |
| 3.5 ADR-CF_T算法描述与分析 | 第32-34页 |
| 3.6 实验结果与分析 | 第34-43页 |
| 3.6.1 数据预处理 | 第34-35页 |
| 3.6.2 评测指标 | 第35-36页 |
| 3.6.3 实验结果分析 | 第36-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第4章 基于可信邻域的协同过滤电影推荐算法 | 第44-67页 |
| 4.1 相关定义 | 第44-48页 |
| 4.2 增强相似度动态邻域选择算法 | 第48-50页 |
| 4.3 信任度计算模型与信任子邻域选取算法 | 第50-54页 |
| 4.4 基于可信邻域的协同过滤电影推荐算法 | 第54-55页 |
| 4.5 实验结果与分析 | 第55-66页 |
| 4.5.1 数据预处理 | 第56页 |
| 4.5.2 评价指标 | 第56-57页 |
| 4.5.3 实验结果分析 | 第57-66页 |
| 4.6 本章小结 | 第66-67页 |
| 第5章 结论与展望 | 第67-69页 |
| 5.1 研究总结 | 第67-68页 |
| 5.2 工作展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间的研究成果 | 第74页 |
