基于协同过滤的学习资源个性化推荐研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 研究背景及意义 | 第9-14页 |
| 1.2 研究现状及挑战 | 第14-16页 |
| 1.3 研究内容 | 第16-19页 |
| 1.4 论文组织结构 | 第19页 |
| 1.5 本章小结 | 第19-20页 |
| 第2章 基本理论及相关技术 | 第20-34页 |
| 2.1 相关概念 | 第20-21页 |
| 2.2 推荐算法概述 | 第21-28页 |
| 2.2.1 协同过滤推荐算法 | 第21-24页 |
| 2.2.2 内容过滤推荐算法 | 第24-25页 |
| 2.2.3 社会化过滤推荐 | 第25-26页 |
| 2.2.4 基于本体的推荐 | 第26页 |
| 2.2.5 基于关联规则的推荐 | 第26-27页 |
| 2.2.6 其他算法 | 第27-28页 |
| 2.3 推荐任务 | 第28-30页 |
| 2.3.1 评分预测推荐 | 第28-29页 |
| 2.3.2 Top-N推荐 | 第29-30页 |
| 2.4 相似度计算 | 第30-33页 |
| 2.4.1 余弦相似度 | 第30-31页 |
| 2.4.2 修正的余弦相似度 | 第31-32页 |
| 2.4.3 皮尔逊相似度 | 第32页 |
| 2.4.4 Jaccard相似度 | 第32-33页 |
| 2.4.5 对数似然相似度 | 第33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 基于用户影响关系的协同过滤推荐方法 | 第34-44页 |
| 3.1 对比方法 | 第34-37页 |
| 3.1.1 基于用户的协同过滤 | 第34-35页 |
| 3.1.2 基于项目的协同过滤 | 第35-37页 |
| 3.2 基于用户影响关系的协同过滤推荐方法 | 第37-43页 |
| 3.2.1 获取用户时序交互信息 | 第38页 |
| 3.2.2 挖掘用户之间的影响关系 | 第38-40页 |
| 3.2.3 重构用户兴趣矩阵 | 第40-42页 |
| 3.2.4 结合User-based CF推荐 | 第42-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第4章 实验 | 第44-58页 |
| 4.1 实验环境 | 第44页 |
| 4.2 实验数据 | 第44-46页 |
| 4.3 评测指标 | 第46-50页 |
| 4.4 实验设置 | 第50-51页 |
| 4.5 参数分析 | 第51-53页 |
| 4.6 实验结果及分析 | 第53-57页 |
| 4.6.1 近邻个数的影响 | 第54-55页 |
| 4.6.2 推荐个数的影响 | 第55-57页 |
| 4.7 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 总结 | 第58页 |
| 展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士期间主要科研工作及成果 | 第65-66页 |
| 致谢 | 第66页 |
