基于商品关系改进的协同过滤推荐算法
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 推荐系统背景及研究的目的和意义 | 第10-11页 |
| 1.2 推荐算法的介绍 | 第11-13页 |
| 1.3 推荐算法的研究现状 | 第13-14页 |
| 1.4 本文的主要研究内容 | 第14-15页 |
| 1.5 本文的组织结构 | 第15-16页 |
| 第2章 基于商品关系的协同过滤推荐算法 | 第16-22页 |
| 2.1 算法分类及存在问题 | 第16-18页 |
| 2.1.1 基于隐式商品关系的推荐算法 | 第16-17页 |
| 2.1.2 基于显式商品关系的推荐算法 | 第17-18页 |
| 2.2 本文解决思路及创新点 | 第18-21页 |
| 2.2.1 关联规则技术 | 第18-19页 |
| 2.2.2 矩阵分解技术 | 第19-20页 |
| 2.2.3 解决思路及创新点 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 融合改进的关联规则的推荐算法 | 第22-32页 |
| 3.1 发掘隐式商品关系 | 第22-25页 |
| 3.1.1 商品相似度 | 第22-23页 |
| 3.1.2 一对一的商品关系 | 第23-24页 |
| 3.1.3 多对一的商品关系 | 第24-25页 |
| 3.1.4 商品关系的选取策略 | 第25页 |
| 3.2 融合改进的关联规则的矩阵分解模型 | 第25-27页 |
| 3.2.1 融合一对一关联规则的矩阵分解模型 | 第26页 |
| 3.2.2 融合多对一关联规则的矩阵分解模型 | 第26-27页 |
| 3.3 模型优化 | 第27-30页 |
| 3.4 模型复杂度分析 | 第30页 |
| 3.5 本章小结 | 第30-32页 |
| 第4章 融合商品类别的推荐算法 | 第32-42页 |
| 4.1 数据分析 | 第32-36页 |
| 4.2 融合商品类别信息的矩阵分解模型 | 第36-39页 |
| 4.2.1 融合一对一商品类别的矩阵分解模型 | 第36-38页 |
| 4.2.2 融合一对多商品类别的矩阵分解模型 | 第38-39页 |
| 4.3 模型优化 | 第39-41页 |
| 4.4 模型复杂度分析 | 第41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 实验结果及分析 | 第42-56页 |
| 5.1 融合隐式商品关系推荐算法的实验结果 | 第42-48页 |
| 5.1.1 实验数据集 | 第42页 |
| 5.1.2 实验估测指标 | 第42-43页 |
| 5.1.3 实验对比方法 | 第43页 |
| 5.1.4 实验参数设置 | 第43-44页 |
| 5.1.5 实验结果及分析 | 第44-48页 |
| 5.2 融合显式商品关系推荐算法的实验结果 | 第48-54页 |
| 5.2.1 实验数据集 | 第49页 |
| 5.2.2 实验估测指标 | 第49页 |
| 5.2.3 实验对比方法 | 第49-50页 |
| 5.2.4 实验参数设置 | 第50-51页 |
| 5.2.5 实验结果及分析 | 第51-54页 |
| 5.3 本章小结 | 第54-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62页 |
