基于灰色关联度聚类的协同过滤推荐算法
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 推荐系统研究现状 | 第10页 |
| 1.2.2 协同过滤算法研究现状 | 第10-11页 |
| 1.3 论文研究内容 | 第11-13页 |
| 1.4 论文结构及内容 | 第13-15页 |
| 第二章 相关研究 | 第15-23页 |
| 2.1 协同过滤推荐算法 | 第15-18页 |
| 2.1.1 基于用户的协同过滤算法 | 第16-17页 |
| 2.1.2 基于项目的协同过滤算法 | 第17-18页 |
| 2.2 灰色关联分析简介 | 第18-21页 |
| 2.2.1 灰色关联分析的基本概念 | 第19-20页 |
| 2.2.2 灰色关联分析的理论创新 | 第20-21页 |
| 2.2.3 灰色关联分析的实际应用 | 第21页 |
| 2.3 本章小结 | 第21-23页 |
| 第三章 灰色关联聚类算法 | 第23-31页 |
| 3.1 聚类分析 | 第23-25页 |
| 3.1.1 聚类过程 | 第23-24页 |
| 3.1.2 聚类算法分类 | 第24-25页 |
| 3.2 灰色关联分析的聚类算法 | 第25-29页 |
| 3.2.1 灰关联聚类的不足 | 第25-26页 |
| 3.2.2 改进的灰关联聚类算法 | 第26-27页 |
| 3.2.3 实例分析 | 第27-29页 |
| 3.3 本章小结 | 第29-31页 |
| 第四章 灰色接近关联度算法 | 第31-38页 |
| 4.1 相似度计算方法分析 | 第31-33页 |
| 4.1.1 传统相似度计算 | 第31-32页 |
| 4.1.2 改进的相似度计算方法 | 第32-33页 |
| 4.2 基于灰色接近关联度的用户相似性计算 | 第33-35页 |
| 4.3 实例分析 | 第35-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第五章 基于灰色关联聚类的协同过滤算法 | 第38-44页 |
| 5.1 项目聚类 | 第38-39页 |
| 5.2 用户相似度计算 | 第39-40页 |
| 5.3 用户近邻选择 | 第40-41页 |
| 5.4 项目推荐 | 第41-43页 |
| 5.5 本章总结 | 第43-44页 |
| 第六章 仿真实验与对比分析 | 第44-52页 |
| 6.1 实验准备 | 第44-46页 |
| 6.1.1 实验环境 | 第44页 |
| 6.1.2 数据集 | 第44-46页 |
| 6.1.3 算法性能评价标准 | 第46页 |
| 6.2 聚类实验及分析 | 第46-48页 |
| 6.3 推荐算法实验及分析 | 第48-51页 |
| 6.3.1 实验及结果 | 第48-50页 |
| 6.3.2 对比及分析 | 第50-51页 |
| 6.4 本章小结 | 第51-52页 |
| 第七章 总结与展望 | 第52-54页 |
| 7.1 本文工作总结 | 第52-53页 |
| 7.2 未来工作展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57页 |
