基于用户行为的电影推荐系统的设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第14-17页 |
| 1.1 研究背景与意义 | 第14页 |
| 1.2 研究和发展现状 | 第14-16页 |
| 1.2.1 国外研究现状 | 第15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 本文的主要工作 | 第16-17页 |
| 2 相关理论及技术 | 第17-27页 |
| 2.1 个性化推荐系统 | 第17-18页 |
| 2.1.1 个性化推荐系统概述 | 第17页 |
| 2.1.2 用户行为在推荐系统中的应用 | 第17-18页 |
| 2.2 推荐系统的核心算法 | 第18-23页 |
| 2.2.1 基于内容的推荐算法 | 第18-19页 |
| 2.2.2 协同过滤推荐算法 | 第19-21页 |
| 2.2.3 混合推荐算法 | 第21-23页 |
| 2.3 推荐系统的评价指标 | 第23-25页 |
| 2.3.1 准确度 | 第23-24页 |
| 2.3.2 覆盖率 | 第24页 |
| 2.3.3 多样性 | 第24-25页 |
| 2.4 聚类技术 | 第25页 |
| 2.4.1 K-means算法基本原理 | 第25页 |
| 2.4.2 K-means算法具体流程 | 第25页 |
| 2.5 本章小结 | 第25-27页 |
| 3 基于用户行为的聚类推荐算法 | 第27-41页 |
| 3.1 协同过滤算法中存在的问题 | 第27-28页 |
| 3.1.1 数据稀疏性 | 第27页 |
| 3.1.2 用户兴趣变化问题 | 第27-28页 |
| 3.2 基于用户行为的聚类推荐算法 | 第28-36页 |
| 3.2.1 隐式反馈转化成显示反馈 | 第30-32页 |
| 3.2.2 项目类别偏好计算 | 第32-34页 |
| 3.2.3 基于项目偏好的用户聚类 | 第34页 |
| 3.2.4 评分差异度权重计算 | 第34-36页 |
| 3.2.5 电影推荐结果的实现 | 第36页 |
| 3.3 实验结果与分析 | 第36-40页 |
| 3.3.1 实验环境与实验数据 | 第36-37页 |
| 3.3.2 实验评价指标 | 第37页 |
| 3.3.3 实验结果与分析 | 第37-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 电影推荐系统设计与实现 | 第41-50页 |
| 4.1 系统需求分析 | 第41页 |
| 4.2 业务流程与系统流程 | 第41-42页 |
| 4.2.1 电影管理 | 第41页 |
| 4.2.2 电影推荐 | 第41-42页 |
| 4.3 系统总体的架构设计 | 第42页 |
| 4.4 系统数据库设计 | 第42-44页 |
| 4.5 推荐系统的实现 | 第44-45页 |
| 4.5.1 系统开发环境 | 第44-45页 |
| 4.5.2 系统数据来源 | 第45页 |
| 4.5.3 推荐模块的实现 | 第45页 |
| 4.6 系统功能模块 | 第45-49页 |
| 4.6.1 系统前台页面展示 | 第45-48页 |
| 4.6.2 系统后台页面展示 | 第48-49页 |
| 4.7 系统测试 | 第49页 |
| 4.8 小结 | 第49-50页 |
| 5 总结与展望 | 第50-52页 |
| 5.1 本文总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 作者简介 | 第56-57页 |
