标签协同过滤推荐算法的研究和若干改进策略
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 推荐系统的研究意义及其发展现状 | 第14-17页 |
| 1.2.1 推荐系统的研究意义 | 第14-15页 |
| 1.2.2 推荐算法的研究发展现状 | 第15-16页 |
| 1.2.3 社会化标签系统的研究现状 | 第16-17页 |
| 1.3 论文的主要工作和结构安排 | 第17-18页 |
| 1.4 本章小结 | 第18-19页 |
| 第二章 相关推荐技术 | 第19-27页 |
| 2.1 推荐系统的概念和简介 | 第19页 |
| 2.2 推荐系统的模块 | 第19-25页 |
| 2.2.1 用户建模模块 | 第20-21页 |
| 2.2.2 推荐物品建模模块 | 第21页 |
| 2.2.3 推荐算法模块 | 第21-25页 |
| 2.3 社会化标签概述 | 第25-26页 |
| 2.3.1 社会化标签的特点和应用 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 多因子标签协同过滤算法 | 第27-37页 |
| 3.1 相关技术简介 | 第27-28页 |
| 3.2 TF-IDF算法 | 第28-29页 |
| 3.3 改进的推荐算法 | 第29-33页 |
| 3.3.1 用户-标签关联度计算 | 第29-31页 |
| 3.3.2 资源-标签关联度计算 | 第31-32页 |
| 3.3.3 用户-资源关联度计算 | 第32页 |
| 3.3.4 相似度计算 | 第32页 |
| 3.3.5 兴趣度的预测 | 第32-33页 |
| 3.3.6 T-TCF算法流程 | 第33页 |
| 3.4 实验结果与分析 | 第33-36页 |
| 3.4.1 推荐质量度量标准 | 第33-34页 |
| 3.4.2 实验结果 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 谱聚类标签推荐算法 | 第37-47页 |
| 4.1 谱聚类简介 | 第37-38页 |
| 4.2 用户谱聚类的Top-N协同过滤算法 | 第38-40页 |
| 4.2.1 相似度计算 | 第38-39页 |
| 4.2.2 谱聚类分析 | 第39-40页 |
| 4.3 基于谱聚类的标签协同过滤算法 | 第40-42页 |
| 4.4 相似度计算方法的改进 | 第42-44页 |
| 4.4.1 用户相似度计算方法 | 第42-43页 |
| 4.4.2 物品相似度计算方法 | 第43-44页 |
| 4.5 实验结果及分析 | 第44-46页 |
| 4.5.1 实验设计 | 第44-45页 |
| 4.5.2 实验结果 | 第45-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第五章 谱聚类LDA模型标签推荐算法 | 第47-57页 |
| 5.1 LDA简介 | 第47-48页 |
| 5.2 LDA模型 | 第48-49页 |
| 5.3 基于标签主题的协同过滤推荐算法 | 第49-52页 |
| 5.3.1 语义层概率分布计算 | 第50页 |
| 5.3.2 语义层用户-资源偏好矩阵计算 | 第50-51页 |
| 5.3.3 资源相似性计算 | 第51-52页 |
| 5.3.4 偏好值预测 | 第52页 |
| 5.4 改进后的算法描述 | 第52-53页 |
| 5.5 实验结果与分析 | 第53-56页 |
| 5.5.1 实验数据集 | 第53页 |
| 5.5.2 评测指标 | 第53-54页 |
| 5.5.3 结果分析 | 第54-56页 |
| 5.6 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读学位期间发表的论文 | 第64-66页 |
| 致谢 | 第66页 |
