基于协同过滤算法的电影推荐
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景和国内外现状 | 第8-9页 |
| 1.2 个性化推荐系统的应用 | 第9-10页 |
| 1.2.1 电子商务 | 第9页 |
| 1.2.2 电影和视频网站 | 第9-10页 |
| 1.2.3 社交网络 | 第10页 |
| 1.3 推荐系统实验方法 | 第10页 |
| 1.4 测评指标 | 第10-12页 |
| 1.4.1 预测准确度的测评指标 | 第11页 |
| 1.4.2 分类准确度的测评指标 | 第11-12页 |
| 1.5 数据集 | 第12-13页 |
| 1.5.1 训练集和测试集 | 第12-13页 |
| 1.6 本文的组织结构 | 第13-14页 |
| 第二章 基于用户的协同过滤算法 | 第14-22页 |
| 2.1 协同过滤算法简介 | 第14页 |
| 2.1.1 协同过滤的核心 | 第14页 |
| 2.2 基于用户的协同过滤算法实现 | 第14-19页 |
| 2.2.1 收集评分数据 | 第15页 |
| 2.2.2 形成近邻用户 | 第15-18页 |
| 2.2.3 产生推荐结果 | 第18页 |
| 2.2.4 实验结果分析 | 第18-19页 |
| 2.3 用户相似度计算的改进 | 第19-21页 |
| 2.3.1 改进算法对比分析 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于类目的协同过滤算法 | 第22-27页 |
| 3.1 基于类目协同过滤算法介绍 | 第22-25页 |
| 3.1.1 收集评分数据 | 第22页 |
| 3.1.2 形成项目的近邻集 | 第22-23页 |
| 3.1.3 生成推荐列表 | 第23-24页 |
| 3.1.4 实验结果分析 | 第24-25页 |
| 3.2 用户相似度计算的改进 | 第25-26页 |
| 3.2.1 改进算法分析比较 | 第25-26页 |
| 3.3 本章小结 | 第26-27页 |
| 第四章 基于用户和基于类目算法比较 | 第27-30页 |
| 4.1 UserCF和ItemCF实验结果对比 | 第27-28页 |
| 4.2 UserCF和ItemCF的优缺点 | 第28-29页 |
| 4.3 本章小结 | 第29-30页 |
| 结语 | 第30-32页 |
| 参考文献 | 第32-35页 |
| 致谢 | 第35-36页 |
| 附录 | 第36-38页 |
