基于用户的协同过滤推荐算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-14页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究现状 | 第11-14页 |
| 1.2 主要研究内容 | 第14页 |
| 1.3 论文结构安排 | 第14-17页 |
| 2 推荐系统相关概念及技术 | 第17-27页 |
| 2.1 推荐系统分类 | 第17-19页 |
| 2.2 基于用户的协同过滤推荐算法 | 第19-22页 |
| 2.2.1 算法流程 | 第19-21页 |
| 2.2.2 预测评分 | 第21-22页 |
| 2.3 推荐性能指标 | 第22-23页 |
| 2.4 实验数据来源及说明 | 第23-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 结合用户兴趣度聚类 | 第27-37页 |
| 3.1 概述 | 第27页 |
| 3.2 logistic函数 | 第27-28页 |
| 3.3 K-means聚类 | 第28-29页 |
| 3.4 结合用户兴趣聚类 | 第29-34页 |
| 3.4.1 相关定义 | 第29-30页 |
| 3.4.2 算法思想 | 第30-32页 |
| 3.4.3 算法流程 | 第32-34页 |
| 3.5 实验仿真 | 第34-36页 |
| 3.5.1 实验方案 | 第34页 |
| 3.5.2 实验运行环境 | 第34页 |
| 3.5.3 参数选择 | 第34-35页 |
| 3.5.4 实验结果分析 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 4 用户非对称相似度 | 第37-45页 |
| 4.1 概述 | 第37-38页 |
| 4.2 相关概念 | 第38-39页 |
| 4.3 用户非对称相似度计算方法 | 第39-41页 |
| 4.4 实验仿真 | 第41-43页 |
| 4.4.1 实验方案 | 第41页 |
| 4.4.2 实验运行环境 | 第41页 |
| 4.4.3 实验结果分析 | 第41-43页 |
| 4.5 本章小结 | 第43-45页 |
| 5 基于用户的协同过滤推荐算法 | 第45-49页 |
| 5.1 引言 | 第45页 |
| 5.2 算法流程 | 第45-47页 |
| 5.3 实验仿真 | 第47-48页 |
| 5.3.1 实验方案 | 第47页 |
| 5.3.2 实验数据及运行环境 | 第47页 |
| 5.3.3 实验结果及分析 | 第47-48页 |
| 5.4 本章小结 | 第48-49页 |
| 6 总结与展望 | 第49-51页 |
| 6.1 本文工作总结 | 第49-50页 |
| 6.2 未来工作展望 | 第50-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第57页 |
