基于标签系统中聚类分析的个性化推荐算法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 引言 | 第8-9页 |
| 1.2 研究的背景及意义 | 第9-10页 |
| 1.3 本文的研究内容 | 第10页 |
| 1.4 本文的组织结构 | 第10-12页 |
| 第2章 相关技术 | 第12-25页 |
| 2.1 标签系统 | 第12-17页 |
| 2.1.1 主要的标签系统 | 第12-13页 |
| 2.1.2 Delicious网站 | 第13-15页 |
| 2.1.3 标签作为连接用户与资源的纽带 | 第15-17页 |
| 2.2 标签聚类 | 第17-21页 |
| 2.2.1 基于划分的聚类算法 | 第17-18页 |
| 2.2.2 基于密度的聚类算法 | 第18-19页 |
| 2.2.3 基于层次的聚类算法 | 第19-21页 |
| 2.3 推荐算法 | 第21-25页 |
| 2.3.1 基于内容的推荐 | 第21-23页 |
| 2.3.2 协同过滤推荐 | 第23页 |
| 2.3.3 混合推荐 | 第23-25页 |
| 第3章 基于标签聚类的推荐算法 | 第25-39页 |
| 3.1 推荐算法的流程 | 第25-26页 |
| 3.2 数据清理 | 第26-27页 |
| 3.3 标签网络的构建 | 第27-29页 |
| 3.4 多义词节点的分裂 | 第29-34页 |
| 3.4.1 多义词识别与Newman算法 | 第29-32页 |
| 3.4.2 基于“中间度”计算的同义词识别 | 第32-34页 |
| 3.5 凝聚式的聚类生成算法 | 第34-37页 |
| 3.5.1 算法流程 | 第34-35页 |
| 3.5.2 步进值和终止条件的确定 | 第35-37页 |
| 3.6 基于聚类的推荐算法 | 第37-39页 |
| 第4章 实验结果 | 第39-50页 |
| 4.1 推荐算法的测试途径 | 第39-42页 |
| 4.1.1 离线实验 | 第39-40页 |
| 4.1.2 在线实验 | 第40页 |
| 4.1.3 用户调查 | 第40-41页 |
| 4.1.4 K重交叉验证 | 第41页 |
| 4.1.5 数据集选取 | 第41页 |
| 4.1.6 小结 | 第41-42页 |
| 4.2 作为对照组的推荐算法 | 第42-43页 |
| 4.2.1 基于内容的推荐算法 | 第42页 |
| 4.2.2 协同过滤推荐算法 | 第42页 |
| 4.2.3 基于K-means产生聚类的推荐算法 | 第42-43页 |
| 4.2.4 本文所提算法 | 第43页 |
| 4.3 评测指标及结果分析 | 第43-48页 |
| 4.3.1 准确率 | 第43-44页 |
| 4.3.2 召回率 | 第44-45页 |
| 4.3.3 F-measure | 第45-46页 |
| 4.3.4 覆盖率 | 第46-47页 |
| 4.3.5 多样性 | 第47-48页 |
| 4.4 实验结果分析 | 第48-50页 |
| 第5章 结束语 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 存在的问题 | 第50-51页 |
| 5.3 未来工作 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间发表的学术论文 | 第56页 |
