基于用户兴趣变化动态聚类的协同过滤算法
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 选题背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 课题提出的意义 | 第12页 |
| 1.4 本文研究的主要内容 | 第12-13页 |
| 1.5 本文的组织结构 | 第13-14页 |
| 1.6 本章小结 | 第14-15页 |
| 第二章 用户兴趣建模 | 第15-26页 |
| 2.1 用户兴趣模型介绍 | 第15-17页 |
| 2.1.1 没有考虑偏移情况下的兴趣模型 | 第15-16页 |
| 2.1.2 考虑偏移情况下的兴趣模型 | 第16-17页 |
| 2.2 兴趣偏移的处理方法 | 第17-19页 |
| 2.3 用户兴趣建模的常用模型 | 第19-25页 |
| 2.3.1 基于时间窗口的兴趣模型 | 第19-20页 |
| 2.3.2 基于遗忘的兴趣模型 | 第20-21页 |
| 2.3.3 基于长期和短期兴趣模型 | 第21-23页 |
| 2.3.4 基于自适应的兴趣模型 | 第23-24页 |
| 2.3.5 基于性能指标的兴趣模型 | 第24页 |
| 2.3.6 基于检测的兴趣模型 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于马尔科夫链的用户兴趣建模 | 第26-36页 |
| 3.1 项目兴趣特征网络图 | 第26-29页 |
| 3.1.1 项目特征相似度 | 第26-28页 |
| 3.1.2 项目特征网络图 | 第28-29页 |
| 3.2 马尔科夫链简介 | 第29-30页 |
| 3.3 基于马尔科夫链的用户兴趣模型 | 第30-34页 |
| 3.3.1 用户兴趣类型的定义 | 第30-31页 |
| 3.3.2 用户兴趣特征模型的建立 | 第31-32页 |
| 3.3.3 多兴趣用户和兴趣偏移用户的识别 | 第32-34页 |
| 3.4 基于用户兴趣变化动态聚类的算法 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于评分修正的协同过滤算法 | 第36-45页 |
| 4.1 用户兴趣的被动偏移 | 第36-40页 |
| 4.2 用户兴趣被动偏移的处理 | 第40-41页 |
| 4.3 缓解兴趣被动偏移的修正评分的计算 | 第41页 |
| 4.4 对兴趣偏移用户产生推荐 | 第41-43页 |
| 4.5 基于评分修正的协同过滤算法 | 第43页 |
| 4.6 本章小结 | 第43-45页 |
| 第五章 对比实验与结果分析 | 第45-57页 |
| 5.1 实验环境的介绍 | 第45页 |
| 5.2 聚类算法的实验介绍及其结果分析 | 第45-47页 |
| 5.2.1 数据集的介绍 | 第45页 |
| 5.2.2 实验方法以及结果图表分析 | 第45-47页 |
| 5.3 推荐算法的实验介绍及其结果分析 | 第47-56页 |
| 5.3.1 数据集介绍 | 第47-50页 |
| 5.3.2 实验方法以及结果图表分析 | 第50-52页 |
| 5.3.3 对比实验 | 第52-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第62-63页 |
| 致谢 | 第63页 |
