基于分类方法的推荐系统冷启动问题研究
| 中文摘要 | 第3-4页 |
| Abstrract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 背景介绍 | 第8-9页 |
| 1.2 推荐系统概述 | 第9-11页 |
| 1.3 本文研究内容 | 第11页 |
| 1.4 文章结构安排 | 第11-13页 |
| 第二章 协同过滤推荐技术及冷启动问题 | 第13-20页 |
| 2.1 协同过滤推荐技术 | 第14-17页 |
| 2.1.1 协同过滤推荐技术概述 | 第14页 |
| 2.1.2 协同过滤原理 | 第14-15页 |
| 2.1.3 相似性度量方法 | 第15-16页 |
| 2.1.4 协同过滤推荐算法存在的主要问题 | 第16-17页 |
| 2.2 冷启动问题 | 第17-19页 |
| 2.2.1 冷启动问题解决现状 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 分类模型建立 | 第20-26页 |
| 3.1 一对多方法 | 第20-21页 |
| 3.2 C4.5决策树分类器 | 第21-22页 |
| 3.3 结合C4.5决策树分类器和一对多方法 | 第22页 |
| 3.4 朴素贝叶斯分类器 | 第22-23页 |
| 3.5 一对多方法结合NB算法实现多类分类 | 第23-26页 |
| 第四章 基于分类模型的冷启动问题算法 | 第26-31页 |
| 4.1 解决冷启动问题模型 | 第26-27页 |
| 4.2 用户分类 | 第27-28页 |
| 4.3 用户相似性 | 第28-29页 |
| 4.4 评分预测 | 第29-30页 |
| 4.5 解决新项目冷启动问题 | 第30-31页 |
| 第五章 实验结果及分析 | 第31-36页 |
| 5.1 推荐质量评价标准 | 第31页 |
| 5.2 实验数据集及预处理 | 第31-32页 |
| 5.3 实验评估 | 第32-36页 |
| 第六章 总结及讨论 | 第36-38页 |
| 6.1 全文总结 | 第36页 |
| 6.2 未来展望 | 第36-38页 |
| 参考文献 | 第38-41页 |
| 致谢 | 第41页 |
