基于用户反馈信息和异质信息的推荐算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 研究内容 | 第10页 |
| 1.4 本文组织架构 | 第10-12页 |
| 第二章 推荐系统相关介绍 | 第12-20页 |
| 2.1 基于人口统计学的推荐 | 第12-13页 |
| 2.2 基于内容的推荐 | 第13-14页 |
| 2.3 基于协同过滤的推荐 | 第14-16页 |
| 2.3.1 基于用户的协同过滤 | 第14-15页 |
| 2.3.2 基于物品的协同过滤 | 第15-16页 |
| 2.3.3 基于模型的协同过滤 | 第16页 |
| 2.4 基于混合模型的推荐 | 第16-17页 |
| 2.5 推荐系统分布式实现 | 第17-18页 |
| 2.5.1 分布式系统概述 | 第17-18页 |
| 2.5.2 Spark基础概念 | 第18页 |
| 2.6 推荐系统技术难点 | 第18-19页 |
| 2.7 本章小结 | 第19-20页 |
| 第三章 融合CPSim与SVD算法 | 第20-25页 |
| 3.1 用户行为相似度 | 第20页 |
| 3.2 皮尔森相关系数研究与改进 | 第20-22页 |
| 3.2.1 皮尔森相关系数 | 第20-21页 |
| 3.2.2 皮尔森相关系数的改进 | 第21-22页 |
| 3.3 基于CPC的SVD算法 | 第22-23页 |
| 3.3.1 SVD算法背景及原理 | 第22页 |
| 3.3.2 用户相似矩阵分解 | 第22-23页 |
| 3.4 本章小结 | 第23-25页 |
| 第四章 PathSim算法的并行化计算 | 第25-32页 |
| 4.1 异质信息网络概述 | 第25-27页 |
| 4.1.1 异质信息网络定义 | 第25-26页 |
| 4.1.2 异质信息网络模式 | 第26页 |
| 4.1.3 元路径 | 第26-27页 |
| 4.2 PathSim算法 | 第27-28页 |
| 4.3 并行化PathSim算法 | 第28-31页 |
| 4.3.1 矩阵乘法概述 | 第28-29页 |
| 4.3.2 矩阵乘法Spark实现 | 第29-30页 |
| 4.3.3 并行化PathSim算法 | 第30-31页 |
| 4.4 本章小结 | 第31-32页 |
| 第五章 SF-H算法 | 第32-35页 |
| 5.1 算法背景 | 第32-33页 |
| 5.2 SF-H算法介绍 | 第33页 |
| 5.3 SF-H算法流程 | 第33-34页 |
| 5.4 本章小节 | 第34-35页 |
| 第六章 实验结果与分析 | 第35-41页 |
| 6.1 数据集 | 第35-36页 |
| 6.2 评估指标 | 第36页 |
| 6.3 实验设置 | 第36-37页 |
| 6.4 参数λ的影响 | 第37-38页 |
| 6.5 实验对比 | 第38-40页 |
| 6.6 本章小结 | 第40-41页 |
| 第七章 总结与展望 | 第41-43页 |
| 7.1 本文总结 | 第41页 |
| 7.2 未来工作 | 第41-43页 |
| 参考文献 | 第43-48页 |
| 致谢 | 第48-49页 |
| 在学期间公开发表论文情况 | 第49页 |
