首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于用户偏好的协同过滤推荐方法研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第12-19页
    1.1 研究背景及意义第12-13页
    1.2 国内外研究现状第13-17页
        1.2.1 个性化推荐国内外研究现状第13-15页
        1.2.2 群组推荐国内外研究现状第15-17页
    1.3 主要研究内容第17-18页
    1.4 论文组织结构第18-19页
第2章 相关技术综述第19-32页
    2.1 个性化推荐技术第19-27页
        2.1.1 个性化推荐系统概述第19-20页
        2.1.2 基于协同过滤推荐第20-24页
        2.1.3 基于内容的推荐算法第24-26页
        2.1.4 混合推荐算法第26-27页
    2.2 群组推荐技术第27-28页
        2.2.1 合并个人推荐列表第27-28页
        2.2.2 合并个人预测评分第28页
        2.2.3 构建群组偏好模型第28页
    2.3 主要聚类技术第28-31页
        2.3.1 基于划分的聚类第29页
        2.3.2 基于层次的聚类第29-30页
        2.3.3 基于密度的聚类第30-31页
    2.4 本章小结第31-32页
第3章 基于聚类的个体用户的协同过滤推荐第32-53页
    3.1 用户偏好的获取及项目特征矩阵的建立第32-39页
        3.1.1 用户偏好及电影项目特征介绍第32-33页
        3.1.2 时间因素对用户评分的影响第33-36页
        3.1.3 用户对项目特征属性偏好权重的表示第36-37页
        3.1.4 改进的TF-IDF构造用户特征偏好矩阵第37-39页
    3.2 改进的K-Means聚类算法描述第39-43页
        3.2.1 K-Means算法第40-41页
        3.2.2 改进K-Means第41-43页
    3.3 综合相似度计算第43-44页
    3.4 预测评分和TOP-N推荐第44-45页
    3.5 算法设计流程第45-46页
    3.6 实验设计与分析第46-52页
        3.6.1 实验环境和数据集来源第46-47页
        3.6.2 数据预处理第47-48页
        3.6.3 测评指标第48页
        3.6.4 实验结果分析第48-52页
    3.7 本章小结第52-53页
第4章 群组用户的协同过滤推荐第53-65页
    4.1 算法整体框架第53页
    4.2 构建群组项目特征偏好矩阵第53-56页
    4.3 构建群组评分矩阵第56-58页
    4.4 综合相似度计算第58-59页
    4.5 算法设计流程第59-60页
    4.6 实验设计与分析第60-64页
        4.6.1 实验数据预处理第60-61页
        4.6.2 测评指标第61页
        4.6.3 实验结果第61-64页
    4.7 本章小结第64-65页
结论第65-67页
参考文献第67-71页
致谢第71-72页
附录A 攻读学位期间完成的主要成果第72页

论文共72页,点击 下载论文
上一篇:兰州市城关区社区矫正优化研究
下一篇:基于LDA模型的“网约车管理政策”公众反馈采纳研究