智慧商圈中个性化推荐系统的设计与实现
摘要 | 第3-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第10-14页 |
1.1 研究背景和意义 | 第10页 |
1.2 国内外研究现状 | 第10-12页 |
1.2.1 智慧商圈 | 第10-11页 |
1.2.2 推荐系统及其相关技术 | 第11-12页 |
1.3 研究内容和目标 | 第12-13页 |
1.4 本文的组织结构 | 第13-14页 |
第二章 推荐系统的场景分析 | 第14-21页 |
2.1 应用模型 | 第14-16页 |
2.1.1 智慧商圈中的推荐目的 | 第14-15页 |
2.1.2 智慧商圈中的推荐类型 | 第15页 |
2.1.3 推荐性能评价指标 | 第15-16页 |
2.1.4 应用模型实例 | 第16页 |
2.2 用户模型 | 第16-17页 |
2.2.1 用户特征 | 第16页 |
2.2.2 用户的目标和动机 | 第16-17页 |
2.2.3 用户的情景上下文 | 第17页 |
2.2.4 用户模型实例 | 第17页 |
2.3 数据模型 | 第17-19页 |
2.3.1 数据类型 | 第17-18页 |
2.3.2 数据质量 | 第18页 |
2.3.3 数据量和数据分布 | 第18-19页 |
2.3.4 用户评分 | 第19页 |
2.3.5 数据模型实例 | 第19页 |
2.4 场景模型对推荐系统设计的影响 | 第19-20页 |
2.4.1 对于推荐系统架构的影响 | 第19-20页 |
2.4.2 对于推荐算法选择的影响 | 第20页 |
2.5 本章小结 | 第20-21页 |
第三章 推荐算法的分析与实现 | 第21-39页 |
3.1 基于标签的推荐算法 | 第21-25页 |
3.1.1 算法概述 | 第21-22页 |
3.1.2 冷启动问题 | 第22-23页 |
3.1.3 标签质量 | 第23-25页 |
3.2 基于协同过滤的推荐算法 | 第25-31页 |
3.2.1 算法概述 | 第25-27页 |
3.2.2 用户评分标准化 | 第27页 |
3.2.3 数据稀疏性问题 | 第27-31页 |
3.3 基于社会化的推荐算法 | 第31-32页 |
3.3.1 算法概述 | 第31页 |
3.3.2 基于邻域的社会化推荐算法 | 第31-32页 |
3.4 推荐算法中上下文的应用 | 第32-37页 |
3.4.1 上下文前置过滤和后置过滤 | 第32-33页 |
3.4.2 地理上下文的应用 | 第33-36页 |
3.4.3 时间上下文的应用 | 第36-37页 |
3.5 基于人口统计学的推荐算法 | 第37-38页 |
3.6 本章小结 | 第38-39页 |
第四章 个性化推荐系统的设计与实现 | 第39-71页 |
4.1 需求分析 | 第39-40页 |
4.2 系统架构设计 | 第40-42页 |
4.2.1 在线计算和离线计算 | 第42页 |
4.3 数据库设计 | 第42-49页 |
4.3.1 MySQL 数据库设计 | 第43-46页 |
4.3.2 MongoDB 数据库设计 | 第46-49页 |
4.4 核心模块的设计与实现 | 第49-70页 |
4.4.1 基于标签的离线计算 | 第50-56页 |
4.4.2 基于协同过滤的离线计算 | 第56-59页 |
4.4.3 基于人口统计学的在线推荐 | 第59-60页 |
4.4.4 基于协同过滤的在线推荐 | 第60-61页 |
4.4.5 基于标签的在线推荐 | 第61-63页 |
4.4.6 基于社会化的在线推荐 | 第63-64页 |
4.4.7 基于地理上下文的附近商家推荐 | 第64-67页 |
4.4.8 基于时间上下文的今日热门推荐 | 第67-68页 |
4.4.9 推荐解释 | 第68-70页 |
4.5 本章小结 | 第70-71页 |
第五章 实验分析与系统验证 | 第71-80页 |
5.1 推荐算法实验分析 | 第71-75页 |
5.1.1 数据集 | 第71页 |
5.1.2 实验方法和评价指标 | 第71-73页 |
5.1.3 基于标签的推荐算法分析 | 第73页 |
5.1.4 基于协同过滤的推荐算法分析 | 第73-75页 |
5.2 系统验证 | 第75-79页 |
5.3 本章小结 | 第79-80页 |
第六章 总结与展望 | 第80-82页 |
6.1 总结 | 第80页 |
6.2 展望 | 第80-82页 |
参考文献 | 第82-86页 |
致谢 | 第86-87页 |
攻读硕士学位期间已发表或录用的论文 | 第87-89页 |