基于加权兴趣度的协同过滤算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-15页 |
| ·课题的研究背景与意义 | 第8-13页 |
| ·研究背景 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·研究现状 | 第10-12页 |
| ·面临的挑战 | 第12-13页 |
| ·论文的主要工作 | 第13页 |
| ·论文的结构安排 | 第13-15页 |
| 2 协同过滤推荐系统相关技术综述 | 第15-30页 |
| ·协同过滤推荐系统概述 | 第15-21页 |
| ·电子商务与协同过滤 | 第15-16页 |
| ·协同过滤推荐系统的组成与分类 | 第16-18页 |
| ·评价推荐系统性能的主要指标 | 第18-19页 |
| ·协同过滤推荐系统中的关键技术 | 第19-21页 |
| ·协同过滤算法 | 第21-23页 |
| ·协同过滤算法的基本概念 | 第21页 |
| ·协同过滤算法的基本分类 | 第21-22页 |
| ·典型协同过滤算法 | 第22-23页 |
| ·数据挖掘在协同过滤中的应用 | 第23-30页 |
| ·数据挖掘概述 | 第23-26页 |
| ·数据挖掘的主要技术和算法 | 第26-29页 |
| ·数据挖掘在推荐系统中的应用 | 第29-30页 |
| 3 基于用户加权兴趣度的协同过滤算法 | 第30-51页 |
| ·基于用户兴趣度的协同过滤概述 | 第30-32页 |
| ·用户兴趣度的基本概念 | 第30-31页 |
| ·用户兴趣度研究的方法 | 第31-32页 |
| ·基于加权兴趣度的关联分析 | 第32-40页 |
| ·关联分析的基本概念 | 第32-33页 |
| ·现有关联规则算法与分析 | 第33-35页 |
| ·基于加权兴趣度的关联规则算法 | 第35-38页 |
| ·实验结果与分析 | 第38-40页 |
| ·基于加权兴趣度的聚类分析 | 第40-48页 |
| ·聚类分析基本概念 | 第40-42页 |
| ·常用聚类算法与分析 | 第42-44页 |
| ·基于加权兴趣度的聚类分析算法 | 第44-46页 |
| ·实验结果与分析 | 第46-48页 |
| ·基于加权兴趣度的协同过滤算法 | 第48-49页 |
| ·实验结果与分析 | 第49-51页 |
| 4 基于加权兴趣度的协同过滤推荐系统 | 第51-61页 |
| ·基于加权兴趣度的协同过滤推荐系统模型 | 第51-52页 |
| ·推荐算法流程图 | 第52-54页 |
| ·推荐系统的主要模块 | 第54-61页 |
| ·问卷设计模块 | 第54页 |
| ·抽样调查模块 | 第54-56页 |
| ·数据处理模块 | 第56页 |
| ·统计分析模块 | 第56-57页 |
| ·数据挖掘模块 | 第57-61页 |
| 5 总结与展望 | 第61-63页 |
| ·总结 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第66-67页 |
| 致谢 | 第67页 |
