基于统计学的个性化推荐算法探究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题的背景和意义 | 第11-13页 |
| 1.2 文献综述 | 第13-15页 |
| 1.3 论文研究内容及结构 | 第15-18页 |
| 第二章 理论技术 | 第18-39页 |
| 2.1 个性化推荐与统计学 | 第18-19页 |
| 2.2 个性化推荐技术 | 第19-25页 |
| 2.3 关联规则 | 第25-28页 |
| 2.4 协同过滤 | 第28-39页 |
| 第三章 基于统计分析的推荐 | 第39-49页 |
| 3.1 数据说明 | 第39-40页 |
| 3.2 数据准备 | 第40-41页 |
| 3.3 一元描述性统计推荐 | 第41-44页 |
| 3.4 二元描述性统计推荐 | 第44-49页 |
| 第四章 基于规则的推荐 | 第49-53页 |
| 4.1 数据整理 | 第49页 |
| 4.2 模型过程 | 第49-51页 |
| 4.3 结果分析 | 第51-53页 |
| 第五章 协同过滤算法实现 | 第53-56页 |
| 5.1 数据处理 | 第53-54页 |
| 5.2 算法过程 | 第54-55页 |
| 5.3 结果分析 | 第55-56页 |
| 第六章 基于统计视角的协同过滤改进 | 第56-67页 |
| 6.1 一维角度改进数据稀疏问题 | 第56-57页 |
| 6.2 二维角度改进数据稀疏问题 | 第57-59页 |
| 6.3 基于用户聚类的协同过滤 | 第59-61页 |
| 6.4 SVD解决数据稀疏问题 | 第61-63页 |
| 6.5 各种方法下的评价绝对偏差对比 | 第63-67页 |
| 第七章 结论及展望 | 第67-69页 |
| 7.1 研究结论总结 | 第67-68页 |
| 7.2 未来研究的展望 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 附录 MATLAB代码 | 第71-74页 |
| 致谢 | 第74页 |
