基于改进协同过滤的服饰推荐算法的研究与实现
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题的研究背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文的主要内容及章节安排 | 第14-16页 |
| 第2章 相关技术介绍 | 第16-25页 |
| 2.1 推荐系统 | 第16-22页 |
| 2.1.1 推荐系统的定义 | 第16-17页 |
| 2.1.2 推荐系统的主要技术 | 第17-21页 |
| 2.1.3 基于存储的协同过滤推荐算法 | 第21-22页 |
| 2.2 图像特征描述 | 第22-23页 |
| 2.3 中文自然语言处理技术 | 第23-25页 |
| 第3章 融合社交信息的服饰协同过滤算法 | 第25-52页 |
| 3.1 问题的定义 | 第25-30页 |
| 3.1.1 算法整体框架描述 | 第26-27页 |
| 3.1.2 基于社交网络信息的用户相似度模型 | 第27页 |
| 3.1.3 数据集 | 第27-30页 |
| 3.2 基于协同过滤的用户相似度 | 第30-33页 |
| 3.3 基于社交信息的用户相似度 | 第33-46页 |
| 3.3.1 基于服饰文本内容的用户相似度模型 | 第34-39页 |
| 3.3.2 基于服饰图片视觉内容的用户相似度模型 | 第39-43页 |
| 3.3.3 基于用户关注信息的用户相似度 | 第43-46页 |
| 3.4 最近邻居选择算法 | 第46-47页 |
| 3.5 推荐函数及服饰商品的选择 | 第47页 |
| 3.6 用户相似度实验 | 第47-51页 |
| 3.7 本章小结 | 第51-52页 |
| 第4章 在线Web服饰推荐系统实现及实验分析 | 第52-65页 |
| 4.1 推荐系统框架 | 第52页 |
| 4.2 系统前端设计 | 第52-53页 |
| 4.3 推荐系统服务器设计与实现 | 第53-59页 |
| 4.3.1 Nginx代理设置 | 第54页 |
| 4.3.2 推荐系统优化 | 第54-56页 |
| 4.3.3 推荐系统实现效果 | 第56-59页 |
| 4.4 推荐系统开发环境搭建 | 第59页 |
| 4.5 实验 | 第59-63页 |
| 4.5.1 实验数据集 | 第59-61页 |
| 4.5.2 推荐函数实验结果展示 | 第61-62页 |
| 4.5.3 推荐函数实验结果分析及评价 | 第62-63页 |
| 4.6 本章小结 | 第63-65页 |
| 总结与展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第71页 |
