基于改进协同过滤算法的个性化新闻推荐系统的研究与实现
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 论文研究内容 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 2 个性化推荐技术综述 | 第14-26页 |
| 2.1 推荐系统概述 | 第14-15页 |
| 2.2 推荐算法 | 第15-24页 |
| 2.2.1 基于关联规则的推荐算法 | 第15页 |
| 2.2.2 基于内容的推荐算法 | 第15-17页 |
| 2.2.3 基于人口统计信息的推荐算法 | 第17页 |
| 2.2.4 协同过滤推荐算法 | 第17-22页 |
| 2.2.5 混合推荐算法 | 第22-23页 |
| 2.2.6 推荐算法比较 | 第23-24页 |
| 2.3 推荐系统面临的问题与挑战 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 基于改进混合用户模型的协同过滤推荐算法 | 第26-41页 |
| 3.1 现有协同过滤算法的分析 | 第26页 |
| 3.2 基于改进混合用户模型的协同过滤推荐算法 | 第26-36页 |
| 3.2.1 理论知识 | 第27-32页 |
| 3.2.2 混合用户模型 | 第32-33页 |
| 3.2.3 相似度计算 | 第33-34页 |
| 3.2.4 预测评分值判定 | 第34页 |
| 3.2.5 算法描述 | 第34-36页 |
| 3.3 实验结果及分析 | 第36-40页 |
| 3.3.1 实验数据 | 第36页 |
| 3.3.2 度量标准 | 第36-37页 |
| 3.3.3 结果及分析 | 第37-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 基于协同过滤的个性化新闻推荐系统的设计与实现 | 第41-60页 |
| 4.1 系统需求分析 | 第41-43页 |
| 4.1.1 系统性能需求分析 | 第41-42页 |
| 4.1.2 系统功能需求分析 | 第42页 |
| 4.1.3 系统开发环境 | 第42-43页 |
| 4.2 系统总体设计 | 第43-48页 |
| 4.2.1 总体架构设计 | 第43-44页 |
| 4.2.2 功能模块分析与设计 | 第44-48页 |
| 4.3 系统详细设计 | 第48-54页 |
| 4.3.1 数据库设计 | 第48-52页 |
| 4.3.2 类设计 | 第52-54页 |
| 4.4 测试结果 | 第54-55页 |
| 4.4.1 模型建立功能 | 第54页 |
| 4.4.2 相似度计算功能 | 第54-55页 |
| 4.4.3 个性化推荐功能 | 第55页 |
| 4.5 功能界面展示 | 第55-59页 |
| 4.5.1 登录界面展示 | 第55-56页 |
| 4.5.2 未登录用户首页展示 | 第56-57页 |
| 4.5.3 登录用户首页展示 | 第57-58页 |
| 4.5.4 登录用户推荐新闻列表展示 | 第58-59页 |
| 4.6 本章小结 | 第59-60页 |
| 5 总结与展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-64页 |
