考虑用户活跃度和项目流行度的协同过滤算法
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目的和意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.4 研究内容 | 第15页 |
| 1.5 创新之处 | 第15-16页 |
| 1.6 文章结构安排 | 第16页 |
| 1.7 本章小结 | 第16-17页 |
| 第2章 相关理论研究 | 第17-28页 |
| 2.1 推荐系统概述 | 第17页 |
| 2.2 推荐算法概述 | 第17-25页 |
| 2.2.1 协同过滤推荐算法 | 第17-20页 |
| 2.2.2 基于内容的推荐 | 第20-22页 |
| 2.2.3 基于网络的推荐 | 第22-23页 |
| 2.2.4 基于模型的推荐 | 第23-24页 |
| 2.2.5 基于知识的推荐 | 第24-25页 |
| 2.2.6 混合推荐系统 | 第25页 |
| 2.3 相关理论 | 第25-26页 |
| 2.3.1 长尾理论 | 第25页 |
| 2.3.2 用户活跃度与项目流行度 | 第25-26页 |
| 2.4 算法评价指标 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 协同过滤算法改进 | 第28-39页 |
| 3.1 传统算法 | 第28-30页 |
| 3.1.1 算法思路 | 第28页 |
| 3.1.2 算法描述 | 第28-30页 |
| 3.1.3 算法流程图 | 第30页 |
| 3.2 改进的协同过滤算法 | 第30-33页 |
| 3.2.1 算法思路 | 第30-31页 |
| 3.2.2 算法描述 | 第31-33页 |
| 3.3 改进的基于用户活跃度和项目流行度算法 | 第33-38页 |
| 3.3.1 改进思路 | 第33-34页 |
| 3.3.2 算法描述及实例研究 | 第34-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 算法测试及评估 | 第39-45页 |
| 4.1 实验方法 | 第39-40页 |
| 4.2 评价指标 | 第40-41页 |
| 4.3 算法评估 | 第41-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 总结与展望 | 第45-47页 |
| 5.1 总结 | 第45页 |
| 5.2 展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50-51页 |
| 攻读学位期间取得的科研成果 | 第51页 |
