基于二部图的推荐算法的研究与应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.4 推荐算法面临的主要问题 | 第13-15页 |
| 1.4.1 数据稀疏性 | 第14页 |
| 1.4.2 冷启动 | 第14页 |
| 1.4.3 可扩展性问题 | 第14-15页 |
| 1.5 论文结构 | 第15-16页 |
| 1.6 本章小结 | 第16-17页 |
| 第二章 推荐算法概述 | 第17-28页 |
| 2.1 推荐算法的概念 | 第17页 |
| 2.2 传统的推荐算法 | 第17-26页 |
| 2.2.1 协同过滤推荐算法 | 第17-19页 |
| 2.2.2 基于内容的推荐算法 | 第19-21页 |
| 2.2.3 基于关联规则的推荐算法 | 第21-22页 |
| 2.2.4 混合的推荐算法 | 第22-26页 |
| 2.3 推荐算法的评估方法 | 第26-27页 |
| 2.3.1 分类准确率 | 第26-27页 |
| 2.3.2 预测准确度 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 二部图推荐算法的研究 | 第28-39页 |
| 3.1 二部图网络结构的概述 | 第28-33页 |
| 3.1.1 二部图网络结构 | 第28页 |
| 3.1.2 二部图的一维投影 | 第28-29页 |
| 3.1.3 基于二部图的推荐算法 | 第29-32页 |
| 3.1.4 二部图推荐算法的优缺点 | 第32-33页 |
| 3.2 用户信任关系的概述 | 第33-37页 |
| 3.2.1 信任网络的概念 | 第34-35页 |
| 3.2.2 二部图与信任网络的融合 | 第35-36页 |
| 3.2.3 用户间隐式信任值的构建 | 第36-37页 |
| 3.3 用户间信任值的传递 | 第37-38页 |
| 3.3.1 随机行走的概述 | 第37页 |
| 3.3.2 随机行走在信任值传递中的应用 | 第37-38页 |
| 3.3.3 随机行走的终止条件 | 第38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 二部图推荐算法改进 | 第39-55页 |
| 4.1 改进的二部图推荐算法 | 第39-46页 |
| 4.1.1 二部图的资源值分配模型 | 第39-42页 |
| 4.1.2 融入评分标准信息 | 第42-43页 |
| 4.1.3 引入时间动态因素 | 第43-44页 |
| 4.1.4 算法详细步骤 | 第44-46页 |
| 4.2 实验结论 | 第46-53页 |
| 4.2.1 MovieLens数据集 | 第46页 |
| 4.2.2 实验衡量指标 | 第46-47页 |
| 4.2.3 实验结果 | 第47-53页 |
| 4.3 本章小结 | 第53-55页 |
| 第五章 基于音乐的推荐应用 | 第55-75页 |
| 5.1 应用的整体概述 | 第55-58页 |
| 5.1.1 开发环境 | 第55页 |
| 5.1.2 系统前后端逻辑结构图 | 第55-58页 |
| 5.2 后台模块功能设计 | 第58-65页 |
| 5.2.1 推荐模块 | 第58-61页 |
| 5.2.2 最近更新模块 | 第61-62页 |
| 5.2.3 热播榜模块 | 第62-63页 |
| 5.2.4 搜索模块 | 第63-64页 |
| 5.2.5 点赞模块 | 第64-65页 |
| 5.3 数据表设计与接口实现 | 第65-72页 |
| 5.3.1 数据表结构说明 | 第65-67页 |
| 5.3.2 后台接口实现 | 第67-72页 |
| 5.4 主要成果展示 | 第72-73页 |
| 5.4.1 推荐模块 | 第72页 |
| 5.4.2 最新和热播歌曲 | 第72-73页 |
| 5.4.3 搜索模块 | 第73页 |
| 5.4.4 评论与点赞模块 | 第73页 |
| 5.5 本章小结 | 第73-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 参考文献 | 第77-80页 |
| 致谢 | 第80-81页 |
