在线推荐系统的算法研究及其应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-19页 |
| ·课题研究背景 | 第10-11页 |
| ·推荐系统的现有应用及其功能 | 第11-13页 |
| ·推荐系统相关研究领域 | 第13-15页 |
| ·机器学习与数据挖掘 | 第13页 |
| ·信息检索 | 第13-14页 |
| ·人机交互 | 第14-15页 |
| ·推荐系统面临的挑战及发展趋势 | 第15-17页 |
| ·面临的挑战 | 第15-16页 |
| ·发展趋势 | 第16-17页 |
| ·论文内容与章节安排 | 第17-19页 |
| 第二章 推荐系统相关技术 | 第19-31页 |
| ·概述 | 第19-20页 |
| ·基于数据挖掘的推荐系统 | 第20-22页 |
| ·数据预处理 | 第20-21页 |
| ·数据分析 | 第21-22页 |
| ·数据与知识 | 第22-23页 |
| ·推荐系统的分类 | 第23-30页 |
| ·基于内容的推荐系统 | 第23-26页 |
| ·基于协同过滤的推荐系统 | 第26-27页 |
| ·基于用户个人信息的推荐系统 | 第27页 |
| ·基于知识的推荐系统 | 第27-28页 |
| ·基于语境的推荐系统 | 第28-29页 |
| ·基于社区的推荐系统 | 第29页 |
| ·混合推荐系统 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 推荐系统的评价方法研究与实现 | 第31-53页 |
| ·研究背景 | 第31-32页 |
| ·推荐系统常用的评价方法 | 第32-36页 |
| ·交叉验证 | 第32-33页 |
| ·历史数据评价 | 第33-34页 |
| ·AB 测试 | 第34-35页 |
| ·用户调查 | 第35-36页 |
| ·评价误差的来源 | 第36页 |
| ·基于分离因素的精度评价算法 | 第36-42页 |
| ·问题的提出 | 第36-37页 |
| ·已有研究成果 | 第37页 |
| ·影响点击率的因素分析 | 第37-38页 |
| ·真实点击率计算算法 | 第38-40页 |
| ·算法分析 | 第40-42页 |
| ·实验及结果分析 | 第42-51页 |
| ·实验数据 | 第42-43页 |
| ·算法实现 | 第43-46页 |
| ·实验方法 | 第46-48页 |
| ·实验结果与分析 | 第48-51页 |
| ·本章小结 | 第51-53页 |
| 第四章 社交网络中的推荐算法 | 第53-71页 |
| ·研究背景 | 第53-54页 |
| ·基于社交推荐系统的应用 | 第54-55页 |
| ·搜索引擎 | 第54-55页 |
| ·社交标签推荐系统 | 第55页 |
| ·信任关系传递和聚合 | 第55-56页 |
| ·社交网络中推荐系统的实现 | 第56-60页 |
| ·用户特征的选择 | 第56-57页 |
| ·用户相似度的度量 | 第57-58页 |
| ·用于计算推荐项目的改进算法 | 第58-60页 |
| ·实验结果 | 第60-70页 |
| ·实验数据 | 第60-61页 |
| ·预处理 | 第61-63页 |
| ·算法实现 | 第63-66页 |
| ·实验结果 | 第66-70页 |
| ·本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-73页 |
| ·总结 | 第71-72页 |
| ·展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-79页 |
