协同过滤推荐算法数据稀疏性问题的研究
| 中文摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 中文文摘 | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 论文的结构和创新点 | 第13-16页 |
| 1.3.1 论文的结构 | 第13-14页 |
| 1.3.2 论文的创新点 | 第14-16页 |
| 第二章 协同过滤推荐算法的相关理论 | 第16-22页 |
| 2.1 基于用户的协同过滤推荐算法 | 第16-18页 |
| 2.1.1 数据初始化 | 第16-17页 |
| 2.1.2 相似性度量 | 第17-18页 |
| 2.1.3 预测推荐 | 第18页 |
| 2.2 数据稀疏性问题及相关解决对策 | 第18-19页 |
| 2.2.1 数据稀疏性问题 | 第18-19页 |
| 2.2.2 相关解决对策 | 第19页 |
| 2.3 算法的评价指标 | 第19-21页 |
| 2.3.1 数据集 | 第19-20页 |
| 2.3.2 评价指标 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于SVD与模糊聚类的协同过滤推荐算法 | 第22-32页 |
| 3.1 引言 | 第22-23页 |
| 3.2 基于SVD与模糊聚类的协同过滤推荐算法 | 第23-28页 |
| 3.2.1 构造用户矩阵 | 第23-24页 |
| 3.2.2 模糊聚类分析 | 第24-27页 |
| 3.2.3 算法描述 | 第27页 |
| 3.2.4 算法复杂度分析 | 第27-28页 |
| 3.3 实验结果与分析 | 第28-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 一种融合信任用户的协同过滤推荐算法 | 第32-42页 |
| 4.1 引言 | 第32-33页 |
| 4.2 一种融合信任用户的协同过滤推荐算法 | 第33-38页 |
| 4.2.1 用户信任关系的构建 | 第33-36页 |
| 4.2.2 邻居选择策略 | 第36页 |
| 4.2.3 评分预测 | 第36-37页 |
| 4.2.4 算法描述 | 第37-38页 |
| 4.2.5 算法复杂度分析 | 第38页 |
| 4.3 实验结果与分析 | 第38-40页 |
| 4.4 本章小结 | 第40-42页 |
| 第五章 一种提高可信度的协同过滤推荐算法 | 第42-50页 |
| 5.1 引言 | 第42-43页 |
| 5.2 一种提高可信度的协同过滤推荐算法 | 第43-45页 |
| 5.2.1 提高可信度的邻居选择 | 第43-44页 |
| 5.2.2 综合预测 | 第44-45页 |
| 5.2.3 算法描述 | 第45页 |
| 5.2.4 算法复杂度分析 | 第45页 |
| 5.3 实验结果与分析 | 第45-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第六章 总结展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读学位期间承担的科研任务与主要成果 | 第56-58页 |
| 致谢 | 第58-60页 |
| 个人资料 | 第60-64页 |
