摘要 | 第3-4页 |
Abstract | 第4页 |
第一章 绪论 | 第8-14页 |
1.1 研究背景 | 第8-10页 |
1.2 研究现状 | 第10-11页 |
1.3 研究意义 | 第11-12页 |
1.4 论文结构 | 第12-14页 |
第二章 协同过滤推荐系统和基于信任的推荐系统的介绍与研究 | 第14-24页 |
2.1 协同过滤推荐系统概述 | 第14-16页 |
2.1.1 协同过滤推荐系统介绍 | 第14-15页 |
2.1.2 协同过滤推荐系统所存在的问题 | 第15-16页 |
2.2 基于内存的协同过滤 | 第16-20页 |
2.2.1 基于用户的协同过滤 | 第16-18页 |
2.2.2 基于项目的协同过滤 | 第18-20页 |
2.2.3 基于用户—项目的协同过滤 | 第20页 |
2.3 基于模型的协同过滤 | 第20-21页 |
2.4 矩阵分解技术 | 第21页 |
2.5 基于信任的推荐系统 | 第21-24页 |
2.5.1 以显示信任为基础的方法 | 第22页 |
2.5.2 以隐式信任为基础的方法 | 第22-24页 |
第三章 混合的基于用户—项目信任的推荐算法 | 第24-34页 |
3.1 混合推荐方法结构 | 第24-25页 |
3.2 基于用户的信任模型 | 第25-29页 |
3.2.1 基于用户的隐式信任估计 | 第25-28页 |
3.2.2 用户声誉计算 | 第28页 |
3.2.3 邻居选择 | 第28-29页 |
3.2.4 基于用户的加权计算预测 | 第29页 |
3.3 基于项目的信任模型 | 第29-31页 |
3.3.1 基于项目的隐式信任计算 | 第29-30页 |
3.3.2 项目声誉计算 | 第30-31页 |
3.3.3 邻居选择 | 第31页 |
3.3.4 基于项目的加权计算预测 | 第31页 |
3.4 混合预测模型 | 第31-34页 |
第四章 混合的基于用户—项目信任的推荐算法的应用 | 第34-46页 |
4.1 数值例子 | 第34-40页 |
4.1.1 基于用户的信任模型 | 第34-37页 |
4.1.2 基于项目的信任模型 | 第37-39页 |
4.1.3 混合预测模型 | 第39-40页 |
4.2 “一带一路”之云南篇app推荐模块实现 | 第40-46页 |
4.2.1 外围架构 | 第40-41页 |
4.2.2 推荐系统架构 | 第41页 |
4.2.3 需求分析 | 第41-42页 |
4.2.4 推荐系统模块实现 | 第42-46页 |
第五章 实验评价 | 第46-54页 |
5.1 实验方法和数据集 | 第46页 |
5.2 评价指标 | 第46-47页 |
5.3 基本算法 | 第47页 |
5.4 评价结果 | 第47-54页 |
5.4.1 推荐精度比较 | 第47-48页 |
5.4.2 数据稀疏问题比较 | 第48-50页 |
5.4.3 用户冷启动问题比较 | 第50-51页 |
5.4.4 项目冷启动问题比较 | 第51-54页 |
第六章 全文总结 | 第54-56页 |
6.1 全文总结 | 第54页 |
6.2 研究展望 | 第54-56页 |
参考文献 | 第56-62页 |
致谢 | 第62页 |