基于用户行为协同过滤推荐算法
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第12-14页 |
| 1.1 研究背景及意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 2 游戏行业推荐系统 | 第14-29页 |
| 2.1 游戏行业简介 | 第14页 |
| 2.2 推荐系统简介 | 第14-15页 |
| 2.3 协同过滤推荐 | 第15-22页 |
| 2.3.1 协同过滤算法组成模块 | 第16页 |
| 2.3.2 协同过滤工作流程 | 第16-18页 |
| 2.3.3 协同过滤推荐 | 第18-21页 |
| 2.3.4 协同过滤面临的挑战 | 第21-22页 |
| 2.4 其他常用推荐算法 | 第22-26页 |
| 2.4.1 基于内容的推荐算法 | 第22-24页 |
| 2.4.2 基于图的推荐算法 | 第24-25页 |
| 2.4.3 贝叶斯网络 | 第25页 |
| 2.4.4 聚类 | 第25-26页 |
| 2.5 推荐系统测评标准 | 第26-28页 |
| 2.5.1 误差标准 | 第26页 |
| 2.5.2 命中率标准 | 第26-27页 |
| 2.5.3 其他标准 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 3 基于用户行为的游戏道具推荐算法 | 第29-36页 |
| 3.1 优化背景及目标 | 第29页 |
| 3.1.1 优化背景 | 第29页 |
| 3.1.2 优化目标 | 第29页 |
| 3.2 改进的协同过滤推荐系统 | 第29-30页 |
| 3.2.1 新算法的提出 | 第29-30页 |
| 3.3 推荐系统框架设计 | 第30-31页 |
| 3.4 改进的推荐算法 | 第31-35页 |
| 3.4.1 推荐算法组成模块 | 第31-33页 |
| 3.4.2 算法设计和说明 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 实验设计和结果分析 | 第36-49页 |
| 4.1 实验数据 | 第36页 |
| 4.2 实验设计 | 第36-37页 |
| 4.2.1 度量标准 | 第36-37页 |
| 4.2.2 实验方案 | 第37页 |
| 4.3 实验过程 | 第37-46页 |
| 4.4 实验结果 | 第46-48页 |
| 4.5 实验结果分析 | 第48页 |
| 4.6 本章小结 | 第48-49页 |
| 5 总结与展望 | 第49-50页 |
| 5.1 本文总结 | 第49页 |
| 5.2 工作展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 在学校期间发表的学术论文及其他科研成果 | 第55页 |
