面向稀疏数据的个性化推荐算法研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 1 绪论 | 第14-20页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 研究目的和意义 | 第15-16页 |
| 1.3 研究现状 | 第16-18页 |
| 1.4 研究内容 | 第18-19页 |
| 1.5 论文结构 | 第19-20页 |
| 2 相关理论 | 第20-38页 |
| 2.1 常用的个性化推荐算法 | 第20-27页 |
| 2.1.1 基于关联规则的推荐算法 | 第21-22页 |
| 2.1.2 基于内容的推荐算法 | 第22-23页 |
| 2.1.3 基于网络结构的推荐算法 | 第23-24页 |
| 2.1.4 协同过滤推荐算法 | 第24-27页 |
| 2.2 个性化推荐算法的性能评估 | 第27-31页 |
| 2.2.1 精确度指标 | 第27-29页 |
| 2.2.2 多样性和新颖性 | 第29-30页 |
| 2.2.3 覆盖率 | 第30-31页 |
| 2.3 粗粒化处理方法 | 第31-38页 |
| 2.3.1 K-Means聚类 | 第32-33页 |
| 2.3.2 BIRCH层次聚类 | 第33-36页 |
| 2.3.3 AP近邻传播聚类 | 第36-38页 |
| 3 基于稀疏数据粗粒化处理的个性化推荐算法 | 第38-42页 |
| 3.1 粗粒化处理 | 第38-39页 |
| 3.2 归属度计算 | 第39-40页 |
| 3.3 相似性计算 | 第40页 |
| 3.4 个性化推荐 | 第40-41页 |
| 3.4.1 预测评分 | 第40页 |
| 3.4.2 推荐列表 | 第40-41页 |
| 3.5 评价指标 | 第41-42页 |
| 3.5.1 误差指标 | 第41页 |
| 3.5.2 准确性指标 | 第41-42页 |
| 4 实验设计与分析 | 第42-50页 |
| 4.1 实验数据集 | 第42-43页 |
| 4.2 粗粒化分析 | 第43-44页 |
| 4.3 归属度分析 | 第44-45页 |
| 4.4 相似性分析 | 第45-47页 |
| 4.5 推荐结果分析 | 第47-50页 |
| 5 总结与展望 | 第50-52页 |
| 5.1 本文总结 | 第50-51页 |
| 5.2 未来展望 | 第51-52页 |
| 参考文献 | 第52-60页 |
| 个人简历 | 第60页 |
