基于协同过滤的器件推荐算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究的背景及意义 | 第9-11页 |
| 1.3 相关领域国内外研究现状 | 第11-14页 |
| 1.3.1 推荐算法领域研究现状分析 | 第11-13页 |
| 1.3.2 分布式计算研究现状分析 | 第13-14页 |
| 1.4 本文的主要研究内容和组织结构 | 第14-17页 |
| 1.4.1 主要研究内容 | 第14-15页 |
| 1.4.2 论文结构 | 第15-17页 |
| 第2章 推荐算法技术研究 | 第17-30页 |
| 2.1 概述 | 第17页 |
| 2.2 推荐算法 | 第17-22页 |
| 2.2.1 基于内容的推荐算法 | 第17-19页 |
| 2.2.2 协同过滤推荐算法 | 第19-22页 |
| 2.2.3 基于网络结构的推荐算法 | 第22页 |
| 2.3 推荐算法的评价标准 | 第22-24页 |
| 2.4 现有的相似度计算方法 | 第24-26页 |
| 2.5 提出改进算法的动机 | 第26-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 基于改进相似度的协同过滤算法 | 第30-49页 |
| 3.1 概述 | 第30页 |
| 3.2 优化算法设计方案 | 第30-32页 |
| 3.3 基于JUD的协同过滤推荐算法 | 第32-38页 |
| 3.3.1 基于JUD的协同过滤推荐算法的结构 | 第32-34页 |
| 3.3.2 统一多维度向量的量化指标 | 第34-36页 |
| 3.3.3 杰卡德系数的引入 | 第36-38页 |
| 3.4 仿真环境 | 第38-39页 |
| 3.4.1 实验方法 | 第38页 |
| 3.4.2 实验数据集 | 第38-39页 |
| 3.5 实验结果分析 | 第39-48页 |
| 3.5.1 基于JUD的UserCF算法的仿真 | 第39-43页 |
| 3.5.2 基于JUD的ItemCF算法的仿真 | 第43-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第4章 推荐系统的设计与实现 | 第49-59页 |
| 4.1 概述 | 第49页 |
| 4.2 推荐系统的总体设计方案与实现 | 第49-58页 |
| 4.2.1 分布式计算系统 | 第50-52页 |
| 4.2.2 数据存储模块 | 第52-53页 |
| 4.2.3 推荐算法模块 | 第53-57页 |
| 4.2.4 系统管理模块 | 第57-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 全文工作总结 | 第59页 |
| 5.2 未来工作展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
