基于概率模型的协同过滤推荐算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 论文主要内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第二章 协同过滤推荐技术相关基础 | 第16-26页 |
| 2.1 基于内容的推荐技术 | 第16-17页 |
| 2.2 基于协同过滤的推荐技术 | 第17-22页 |
| 2.2.1 面向评分的协同过滤推荐技术 | 第17-20页 |
| 2.2.2 面向排序的协同过滤推荐技术 | 第20-22页 |
| 2.3 混合推荐技术 | 第22-23页 |
| 2.4 协同过滤算法的评价指标 | 第23-26页 |
| 第三章 基于用户项目特征的列表协同过滤算法 | 第26-38页 |
| 3.1 问题的提出 | 第26-27页 |
| 3.2 相关工作 | 第27-28页 |
| 3.3 基于用户项目特征的列表协同过滤算法 | 第28-31页 |
| 3.3.1 相似性计算 | 第28-29页 |
| 3.3.2 排名预测 | 第29-31页 |
| 3.4 实验结果 | 第31-37页 |
| 3.4.1 数据集 | 第32页 |
| 3.4.2 评价指标 | 第32-34页 |
| 3.4.3 实验结果分析 | 第34-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于时间的列表协同过滤算法 | 第38-54页 |
| 4.1 问题的提出 | 第38-39页 |
| 4.2 相关工作 | 第39页 |
| 4.3 基于时间的列表协同过滤算法 | 第39-43页 |
| 4.3.1 相似性计算 | 第39-41页 |
| 4.3.2 排名预测 | 第41-43页 |
| 4.4 实验结果 | 第43-48页 |
| 4.4.1 数据集 | 第43页 |
| 4.4.2 实验结果分析 | 第43-48页 |
| 4.5 多因素的列表协同过滤算法 | 第48-52页 |
| 4.5.1 相似性计算 | 第48-49页 |
| 4.5.2 排名预测 | 第49页 |
| 4.5.3 实验结果 | 第49-52页 |
| 4.6 本章小结 | 第52-54页 |
| 第五章 基于用户属性的列表协同过滤算法 | 第54-62页 |
| 5.1 问题的提出 | 第54-55页 |
| 5.2 相关工作 | 第55页 |
| 5.3 基于用户特征的列表协同过滤 | 第55-57页 |
| 5.3.1 相似性计算 | 第55-56页 |
| 5.3.2 排名预测 | 第56-57页 |
| 5.4 实验结果 | 第57-60页 |
| 5.4.1 数据集 | 第57页 |
| 5.4.2 实验结果分析 | 第57-60页 |
| 5.5 本章小结 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 研究展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-72页 |
| 攻读学位期间发表的学术论文 | 第72页 |
