基于AP聚类算法的推荐系统研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 背景及意义 | 第10-11页 |
| 1.2 国内外研究现状及分析 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13页 |
| 1.3 本文研究内容 | 第13-16页 |
| 第2章 推荐系统概述 | 第16-28页 |
| 2.1 推荐系统 | 第16-18页 |
| 2.2 基于内容的推荐算法 | 第18-20页 |
| 2.3 协同过滤算法 | 第20-25页 |
| 2.3.1 基于用户的协同过滤 | 第21-24页 |
| 2.3.2 基于项目的协同过滤 | 第24页 |
| 2.3.3 基于模型的协同过滤 | 第24-25页 |
| 2.3.4 协同过滤算法的优缺点 | 第25页 |
| 2.4 基于聚类的推荐算法 | 第25-27页 |
| 2.5 混合推荐算法 | 第27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 基于AP聚类的推荐系统研究 | 第28-39页 |
| 3.1 聚类算法简介 | 第28-30页 |
| 3.2 推荐算法概述 | 第30-31页 |
| 3.3 基于AP聚类的推荐系统用户分群 | 第31-35页 |
| 3.3.1 聚类过程 | 第31-35页 |
| 3.3.2 查找最近邻 | 第35页 |
| 3.4 实验 | 第35-38页 |
| 3.4.1 实验环境 | 第35页 |
| 3.4.2 实验数据集 | 第35-36页 |
| 3.4.3 评价指标 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于改进AP聚类的推荐算法研究 | 第39-47页 |
| 4.1 基于AP聚类的推荐算法的不足 | 第39页 |
| 4.2 AP聚类推荐算法的改进 | 第39-44页 |
| 4.2.1 欧式距离的改进 | 第39-43页 |
| 4.2.2 基于改进的合并过程 | 第43-44页 |
| 4.2.3 改进的AP聚类算法 | 第44页 |
| 4.3 实验 | 第44-46页 |
| 4.3.1 实验数据及评价指标 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47页 |
| 5.2 创新点 | 第47-48页 |
| 5.3 研究与展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53页 |
