基于协同过滤模型与隐语义模型的推荐系统研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.1.1 选题背景 | 第12-13页 |
| 1.1.2 选题意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 国外推荐系统的发展现状 | 第14-15页 |
| 1.2.2 国内推荐系统的发展现状 | 第15-16页 |
| 1.3 本文研究内容 | 第16页 |
| 1.4 本文章节安排 | 第16-18页 |
| 第2章 个性化推荐系统理论与方法 | 第18-38页 |
| 2.1 个性化推荐系统的形式化定义 | 第18-19页 |
| 2.2 推荐引擎工作原理 | 第19-20页 |
| 2.3 推荐系统的分类 | 第20-31页 |
| 2.3.1 基于内容的推荐 | 第20-23页 |
| 2.3.2 基于协同过滤的推荐 | 第23-31页 |
| 2.4 基于协同过滤的推荐系统性能比较与评价 | 第31-37页 |
| 2.4.1 推荐系统评测指标 | 第31-33页 |
| 2.4.2 实验过程与结论 | 第33-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第3章 隐语义模型改进与分析 | 第38-48页 |
| 3.1 经典隐语义模型 | 第38-39页 |
| 3.2 隐语义模型与潜在语义索引 LSI | 第39-41页 |
| 3.3 隐语义模型改进 | 第41-45页 |
| 3.3.1 回归与梯度下降法 | 第42-44页 |
| 3.3.2 基于梯度下降法改进的隐语义模型 | 第44-45页 |
| 3.4 隐语义模型与基于邻域的协同过滤模型的比较 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 融合邻域模型与隐语义模型的混合推荐算法 | 第48-59页 |
| 4.1 显性反馈与隐性反馈行为 | 第48-50页 |
| 4.2 融合隐性反馈的邻域模型 | 第50-51页 |
| 4.3 融合邻域模型与隐语义模型的混合推荐算法 | 第51-53页 |
| 4.4 实验结果及评估 | 第53-58页 |
| 4.4.1 Netflix 数据集 | 第53-54页 |
| 4.4.2 结果分析与讨论 | 第54-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 个性化推荐系统原型的设计与实现 | 第59-68页 |
| 5.1 个性化推荐系统架构设计 | 第59-60页 |
| 5.2 个性化推荐系统原型设计 | 第60-62页 |
| 5.2.1 Mahout 简介 | 第60页 |
| 5.2.2 Taste 工作原理 | 第60-62页 |
| 5.3 使用 Taste 构建推荐引擎 | 第62-67页 |
| 5.3.1 数据建模 | 第62-63页 |
| 5.3.2 推荐引擎实现 | 第63-65页 |
| 5.3.3 用户界面展示 | 第65-67页 |
| 5.4 本章小结 | 第67-68页 |
| 结论与展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第76-77页 |
| 附录B 攻读学位期间所参与的主要项目 | 第77页 |
