基于内容的个性化推荐系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-10页 |
| 1.1 背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 本文内容及结构 | 第9-10页 |
| 第二章 推荐算法和评估标准概述 | 第10-17页 |
| 2.1 推荐算法 | 第10-15页 |
| 2.1.1 基于关联规则的推荐 | 第10页 |
| 2.1.2 基于内容的推荐 | 第10-11页 |
| 2.1.3 协同过滤推荐 | 第11-14页 |
| 2.1.4 混合推荐 | 第14-15页 |
| 2.2 推荐系统的评估指标 | 第15-16页 |
| 2.2.1 评估评分预测的精度 | 第15页 |
| 2.2.2 推荐精度 | 第15-16页 |
| 2.3 本章小结 | 第16-17页 |
| 第三章 联合k-means的推荐方法 | 第17-25页 |
| 3.1 一种传统的基于内容的推荐 | 第17-19页 |
| 3.1.1 产品特征描述模型 | 第17-18页 |
| 3.1.2 用户兴趣描述模型 | 第18页 |
| 3.1.3 生成推荐产品 | 第18-19页 |
| 3.1.4 传统基于内容推荐的算法描述 | 第19页 |
| 3.2 联合k-means的基于内容的推荐 | 第19-24页 |
| 3.2.1 k-means | 第21页 |
| 3.2.2 联合k-means的推荐算法 | 第21-23页 |
| 3.2.3 联合k-means的推荐系统的结构 | 第23-24页 |
| 3.3 本章小结 | 第24-25页 |
| 第四章 基于朴素贝叶斯的推荐方法 | 第25-29页 |
| 4.1 基于朴素贝叶斯的推荐算法 | 第25-27页 |
| 4.1.1 基于朴素贝叶斯推荐算法的基本思想 | 第25-26页 |
| 4.1.2 基于朴素贝叶斯推荐的算法过程 | 第26-27页 |
| 4.2 基于朴素贝叶斯的推荐系统 | 第27-28页 |
| 4.3 本章小结 | 第28-29页 |
| 第五章 评估与分析 | 第29-36页 |
| 5.1 实验环境 | 第29页 |
| 5.2 数据预处理 | 第29-30页 |
| 5.3 实验评估 | 第30-35页 |
| 5.3.1 基准 | 第31页 |
| 5.3.2 评估 | 第31-35页 |
| 5.4 本章小结 | 第35-36页 |
| 第六章 总结与展望 | 第36-37页 |
| 6.1 总结 | 第36页 |
| 6.2 展望 | 第36-37页 |
| 参考文献 | 第37-40页 |
| 致谢 | 第40页 |
