基于用户信任度的协同过滤推荐算法研究
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 个性化推荐系统研究现状 | 第13-14页 |
| 1.2.2 协同过滤推荐技术研究现状 | 第14-16页 |
| 1.3 本文研究内容 | 第16-17页 |
| 1.4 本文创新之处 | 第17页 |
| 1.5 论文结构安排 | 第17-18页 |
| 1.6 本章小结 | 第18-19页 |
| 第2章 个性化推荐方法相关技术研究 | 第19-32页 |
| 2.1 推荐系统概述 | 第19-22页 |
| 2.1.1 推荐系统的作用 | 第19-21页 |
| 2.1.2 推荐系统的基本构成 | 第21-22页 |
| 2.2 主要推荐技术介绍 | 第22-24页 |
| 2.2.1 基于内容的推荐方法 | 第22-23页 |
| 2.2.2 基于关联规则的推荐方法 | 第23-24页 |
| 2.2.3 混合推荐方法 | 第24页 |
| 2.3 协同过滤推荐方法 | 第24-29页 |
| 2.3.1 基于用户的协同过滤推荐方法 | 第26-27页 |
| 2.3.2 基于项目的协同过滤推荐方法 | 第27-29页 |
| 2.4 传统协同过滤方法存在的主要问题 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 基于用户信任度的协同过滤推荐算法 | 第32-43页 |
| 3.1 引言 | 第32-33页 |
| 3.2 新算法的基本思想 | 第33-34页 |
| 3.3 相关概念 | 第34-36页 |
| 3.3.1 信任的定义 | 第34页 |
| 3.3.2 信任的特点 | 第34-36页 |
| 3.4 信任模型的设计 | 第36-42页 |
| 3.4.1 评分信任度 | 第36-39页 |
| 3.4.2 偏好信任度 | 第39-42页 |
| 3.4.3 用户信任度 | 第42页 |
| 3.4.4 预测评分 | 第42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 实验设计与数据分析 | 第43-52页 |
| 4.1 实验数据集 | 第43-44页 |
| 4.2 实验评价指标 | 第44-45页 |
| 4.2.1 MAE和RMSE | 第44页 |
| 4.2.2 准确率和召回率 | 第44-45页 |
| 4.3 实验环境 | 第45页 |
| 4.3.1 实验环境 | 第45页 |
| 4.3.2 实验设计 | 第45页 |
| 4.4 实验结果分析 | 第45-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 本文总结 | 第52页 |
| 5.2 未来工作 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士学位期间发表的论文 | 第59页 |
