| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 推荐算法分析 | 第11-12页 |
| 1.2.2 新用户冷启动的研究状况 | 第12-13页 |
| 1.2.3 新项目冷启动的研究状况 | 第13-14页 |
| 1.3 本文的主要研究工作 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 第2章 面向冷启动问题的推荐流程设计 | 第17-26页 |
| 2.1 推荐系统中的冷启动问题 | 第17-20页 |
| 2.1.1 新用户冷启动问题 | 第17-19页 |
| 2.1.2 新项目冷启动问题 | 第19-20页 |
| 2.2 面向新用户冷启动问题的推荐流程 | 第20-22页 |
| 2.2.1 新用户推荐流程 | 第20页 |
| 2.2.2 用户属性选取 | 第20-22页 |
| 2.3 面向新项目冷启动问题的推荐流程 | 第22-24页 |
| 2.3.1 新项目推荐流程 | 第22页 |
| 2.3.2 项目属性选取 | 第22-23页 |
| 2.3.3 相似度计算 | 第23-24页 |
| 2.4 编码与模型训练 | 第24-25页 |
| 2.4.1 特征属性编码 | 第24-25页 |
| 2.4.2 模型训练及预测 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 融合用户属性缓解新用户冷启动问题的研究 | 第26-37页 |
| 3.1 问题的提出 | 第26-27页 |
| 3.2 数据的定义 | 第27页 |
| 3.3 时间权重函数 | 第27-28页 |
| 3.4 融合用户属性的矩阵映射推荐模型 | 第28-31页 |
| 3.4.1 用户属性向量表示 | 第28页 |
| 3.4.2 矩阵映射的表示 | 第28-29页 |
| 3.4.3 矩阵映射的求解 | 第29-31页 |
| 3.5 产生推荐 | 第31-32页 |
| 3.6 实验结果与分析 | 第32-36页 |
| 3.6.1 数据集 | 第32页 |
| 3.6.2 实验数据集选取 | 第32页 |
| 3.6.3 评价指标 | 第32-33页 |
| 3.6.4 实验设置 | 第33页 |
| 3.6.5 评分数的对MAE影响 | 第33-35页 |
| 3.6.6 冷启动用户数对各个模型MAE的影响 | 第35-36页 |
| 3.7 本章小结 | 第36-37页 |
| 第4章 融合图片相似度缓解新项目冷启动问题的研究 | 第37-52页 |
| 4.1 问题的提出 | 第37-38页 |
| 4.2 项目相似度计算 | 第38-41页 |
| 4.2.1 类别属性相似度计算 | 第39-41页 |
| 4.2.2 图片特征相似度计算 | 第41页 |
| 4.2.3 融合项目类别属性和图片特征的相似度计算 | 第41页 |
| 4.3 产生推荐 | 第41-42页 |
| 4.4 算法流程 | 第42-44页 |
| 4.5 实验结果与分析 | 第44-51页 |
| 4.5.1 数据集 | 第44页 |
| 4.5.2 实验预处理 | 第44-45页 |
| 4.5.3 评价指标 | 第45-46页 |
| 4.5.4 实验设置 | 第46页 |
| 4.5.5 各个模型准确度对比 | 第46-48页 |
| 4.5.6 近邻k对准确度的影响 | 第48-49页 |
| 4.5.7 权重因子x对准确度的影响 | 第49-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 算法在新建商城推荐系统中的应用 | 第52-59页 |
| 5.1 新建商城的特点 | 第52页 |
| 5.2 推荐系统架构设计 | 第52-54页 |
| 5.3 推荐系统实现及应用 | 第54-57页 |
| 5.3.1 关键步骤 | 第54-55页 |
| 5.3.2 功能展示 | 第55-57页 |
| 5.4 推荐结果分析 | 第57-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间获得与学位论文相关的科研成果 | 第66页 |