融合帕累托占优的增强协同过滤方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题的研究背景 | 第8-9页 |
| 1.2 课题的研究意义 | 第9-10页 |
| 1.3 研究现状 | 第10-13页 |
| 1.4 主要研究内容 | 第13-14页 |
| 1.5 论文结构安排 | 第14-16页 |
| 2 推荐系统 | 第16-21页 |
| 2.1 推荐系统概述及组成 | 第16-17页 |
| 2.2 推荐算法分类及对比 | 第17-21页 |
| 2.2.1 协同过滤推荐 | 第17-18页 |
| 2.2.2 基于内容的推荐 | 第18页 |
| 2.2.3 基于知识的推荐 | 第18页 |
| 2.2.4 基于关联规则的推荐 | 第18-19页 |
| 2.2.5 混合的推荐方法 | 第19-20页 |
| 2.2.6 各类推荐算法的对比 | 第20-21页 |
| 3 协同过滤推荐算法 | 第21-29页 |
| 3.1 基于内存的协同过滤推荐 | 第21-24页 |
| 3.1.1 基于用户的协同过滤推荐 | 第21-23页 |
| 3.1.2 基于项目的协同过滤推荐 | 第23-24页 |
| 3.2 基于模型的协同过滤推荐 | 第24-26页 |
| 3.3 显式评分与隐式评分 | 第26-27页 |
| 3.4 存在的问题及一些解决方法 | 第27-29页 |
| 4 协同过滤算法的相似性度量及其改进 | 第29-37页 |
| 4.1 常用的相似度计算方法及其改进 | 第29-31页 |
| 4.2 常用相似度计算方法存在的不足 | 第31-32页 |
| 4.3 改进的相似度计算方法 | 第32-37页 |
| 5 融合帕累托占优的用户协同过滤方法 | 第37-41页 |
| 5.1 帕累托占优理论 | 第37-38页 |
| 5.2 应用帕累托占优找到候选邻居 | 第38-39页 |
| 5.3 算例说明 | 第39-41页 |
| 6 实验 | 第41-56页 |
| 6.1 实验目的与实验环境 | 第41页 |
| 6.2 实验数据集与评测指标 | 第41-43页 |
| 6.3 实验过程 | 第43-47页 |
| 6.3.1 数据结构 | 第43-44页 |
| 6.3.2 利用帕累托占优找候选邻居流程 | 第44-45页 |
| 6.3.3 改进的相似度算法流程 | 第45-46页 |
| 6.3.4 实验总流程 | 第46-47页 |
| 6.4 实验结果分析 | 第47-56页 |
| 总结与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表论文及科研成果 | 第62-63页 |
| 致谢 | 第63-64页 |
