基于协同过滤算法的个性化推荐系统的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 引言 | 第12-17页 |
| ·研究背景 | 第12页 |
| ·研究现状 | 第12-15页 |
| ·个性化推荐系统与协同过滤 | 第12-13页 |
| ·个性化推荐系统的现状 | 第13-15页 |
| ·本文的主要研究内容与组织结构 | 第15-17页 |
| 第二章 WEB挖掘与个性化推荐系统 | 第17-24页 |
| ·数据挖掘 | 第17-19页 |
| ·数据挖掘产生的背景 | 第17-18页 |
| ·数据挖掘的过程 | 第18-19页 |
| ·数据挖掘的功能和方法 | 第19页 |
| ·WEB挖掘 | 第19-21页 |
| ·WEB挖掘的基本概念 | 第19页 |
| ·WEB挖掘的分类 | 第19-21页 |
| ·个性化推荐系统 | 第21-23页 |
| ·个性化推荐系统概念 | 第21页 |
| ·个性化推荐系统构成 | 第21-22页 |
| ·个性化推荐系统分类 | 第22-23页 |
| ·小结 | 第23-24页 |
| 第三章 协同过滤推荐算法 | 第24-33页 |
| ·协同过滤技术概述 | 第24-25页 |
| ·协同过滤算法的分类 | 第25-30页 |
| ·基于内存的协同过滤 | 第26-29页 |
| ·基于模型的协同过滤 | 第29-30页 |
| ·协同过滤算法的优缺点及现有的解决方法 | 第30-32页 |
| ·协同过滤算法的优点 | 第30页 |
| ·协同过滤算法的缺点 | 第30-31页 |
| ·现有的解决方法 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于WEB日志和聚类分析的协同过滤算法 | 第33-50页 |
| ·WEB日志分析 | 第33-34页 |
| ·WEB日志分布 | 第33页 |
| ·WEB日志的记录方式 | 第33页 |
| ·WEB日志文件格式 | 第33-34页 |
| ·WEB日志预处理 | 第34-41页 |
| ·聚类分析 | 第41-49页 |
| ·相关问题 | 第41-43页 |
| ·聚类的应用 | 第43-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 个性化推荐系统的设计 | 第50-58页 |
| ·系统设计 | 第50-51页 |
| ·实验分析 | 第51-57页 |
| ·实验环境 | 第51页 |
| ·实验数据集 | 第51页 |
| ·实验评分标准 | 第51-52页 |
| ·实验方案 | 第52-53页 |
| ·实验过程 | 第53-54页 |
| ·实验结果分析 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| ·总结 | 第58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-62页 |
| 攻读硕士期间发表论文情况 | 第62页 |
