基于社交关系与矩阵补全的协同过滤的推荐算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究的背景及意义 | 第10-11页 |
| 1.2 推荐算法国内外研究现状 | 第11-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 第2章 CF算法及相关技术介绍 | 第15-25页 |
| 2.1 CF算法介绍 | 第15-17页 |
| 2.1.1 基于用户的CF算法 | 第15-16页 |
| 2.1.2 基于项目的CF算法 | 第16-17页 |
| 2.2 相似度计算方法介绍 | 第17-21页 |
| 2.2.1 欧氏距离计算相似度 | 第18页 |
| 2.2.2 余弦相似度 | 第18-19页 |
| 2.2.3 修正的余弦相似度 | 第19页 |
| 2.2.4 Pearson相关系数 | 第19-21页 |
| 2.3 解决矩阵稀疏问题的方法 | 第21-23页 |
| 2.3.1 矩阵补全缓解数据稀疏问题 | 第21页 |
| 2.3.2 矩阵分解解决数据稀疏问题 | 第21-22页 |
| 2.3.3 聚类算法解决数据稀疏问题 | 第22-23页 |
| 2.4 社交关系相关问题 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于社交关系的CF算法 | 第25-41页 |
| 3.1 社交关系研究背景 | 第25-26页 |
| 3.2 社交关系数据介绍及应用 | 第26-28页 |
| 3.2.1 社交关系三要素 | 第26-27页 |
| 3.2.2 社交关系数据获取方法 | 第27-28页 |
| 3.3 CF-SR算法描述 | 第28-29页 |
| 3.4 CF-SR算法详细介绍 | 第29-34页 |
| 3.4.1 CF-SR算法中社交关系因子定义 | 第29-30页 |
| 3.4.2 CF-SR算法的矩阵补全方法介绍 | 第30-32页 |
| 3.4.3 CF-SR算法的项目相似性计算 | 第32-33页 |
| 3.4.4 CF-SR算法的预测评分方法 | 第33-34页 |
| 3.5 实验及实验结果分析 | 第34-39页 |
| 3.5.1 实验环境介绍 | 第34页 |
| 3.5.2 实验所用数据集介绍 | 第34-36页 |
| 3.5.3 实验选用的评价指标 | 第36页 |
| 3.5.4 实验结果及分析 | 第36-39页 |
| 3.6 本章小结 | 第39-41页 |
| 第4章 基于社交关系与条件性补全的CF算法 | 第41-49页 |
| 4.1 CF-SRCC算法思想介绍 | 第41-42页 |
| 4.2 CF-SRCC算法条件性补全方法介绍 | 第42-43页 |
| 4.3 CF-SRCC算法描述 | 第43-45页 |
| 4.4 实验及实验结果分析 | 第45-47页 |
| 4.4.1 实验使用数据集说明 | 第45页 |
| 4.4.2 实验结果展示与分析 | 第45-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 本文工作总结 | 第49-50页 |
| 5.2 未来工作展望 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56页 |
