基于网络结构的个性化推荐系统的研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-20页 |
| ·研究的背景与意义 | 第11-13页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·个性化推荐系统的研究现状 | 第13-17页 |
| ·国外研究现状 | 第13-14页 |
| ·国内研究进展 | 第14-17页 |
| ·个性化推荐系统所面临的问题和挑战 | 第17-18页 |
| ·论文的基本框架 | 第18-20页 |
| 第二章 个性化推荐系统 | 第20-35页 |
| ·引言 | 第20页 |
| ·个性化推荐系统的组成 | 第20-21页 |
| ·个性化推荐系统的组成模块 | 第20-21页 |
| ·个性化推荐系统的分类 | 第21-25页 |
| ·协同过滤推荐系统 | 第21-22页 |
| ·基于内容过滤的推荐系统 | 第22-23页 |
| ·协同过滤和基于内容过滤的比较 | 第23-25页 |
| ·组合推荐系统 | 第25页 |
| ·基于二分图网络结构的推荐系统 | 第25-32页 |
| ·算法基本思想 | 第26-27页 |
| ·系统模型及推荐过程 | 第27-28页 |
| ·算法改进方向 | 第28-32页 |
| ·推荐算法的衡量指标 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于二分图的自适应推荐算法 | 第35-47页 |
| ·引言 | 第35页 |
| ·基本二分图算法的改进 | 第35-36页 |
| ·数据集的评分影响 | 第35页 |
| ·节点特征对算法的影响 | 第35-36页 |
| ·基于二分图的自适应推荐系统 | 第36-37页 |
| ·自适应推荐系统的基本原理 | 第36-37页 |
| ·实验结果及分析 | 第37-44页 |
| ·实验环境 | 第37-39页 |
| ·衡量指标 | 第39-40页 |
| ·实验结果 | 第40-42页 |
| ·改进后的算法在其它数据集上的表现 | 第42-44页 |
| ·关于用户冷启动的分析 | 第44页 |
| ·数据稀疏性对测试结果的影响 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于用户兴趣度的个性化推荐系统 | 第47-60页 |
| ·引言 | 第47页 |
| ·用户的个性化特征 | 第47-50页 |
| ·用户的个性化信息 | 第47-48页 |
| ·个性化信息服务 | 第48页 |
| ·标签与三部分图 | 第48-49页 |
| ·数据集的属性信息 | 第49-50页 |
| ·基于用户兴趣度的混合推荐系统 | 第50-53页 |
| ·用户兴趣分散度 | 第50-51页 |
| ·算法分析 | 第51-52页 |
| ·个性化推荐过程 | 第52-53页 |
| ·基于用户兴趣度的自适应混合推荐系统 | 第53-55页 |
| ·自适应参数模型 | 第53-54页 |
| ·自适应参数的设定 | 第54-55页 |
| ·实验结果及分析 | 第55-57页 |
| ·实验环境 | 第55页 |
| ·衡量指标 | 第55页 |
| ·实验结果 | 第55-57页 |
| ·关于项目冷启动的分析 | 第57页 |
| ·去除标签属性冗余度对推荐的影响 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 第五章 结论与展望 | 第60-63页 |
| ·工作总结 | 第60-61页 |
| ·本文的主要创新点 | 第61页 |
| ·进一步的工作 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 发表论文和参加科研项目情况 | 第68-69页 |
| 致谢 | 第69页 |
