| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 国内研究现状 | 第13-15页 |
| 1.2.2 国外研究现状 | 第15-17页 |
| 1.3 本文的主要工作及章节安排 | 第17-19页 |
| 第2章 推荐系统相关理论技术基础 | 第19-29页 |
| 2.1 推荐系统理论基础 | 第19页 |
| 2.2 常见推荐系统方法 | 第19-22页 |
| 2.2.1 基于关联规则的推荐 | 第19页 |
| 2.2.2 基于内容的推荐 | 第19-20页 |
| 2.2.3 基于协同过滤的推荐 | 第20-21页 |
| 2.2.4 混合的推荐机制 | 第21-22页 |
| 2.3 常见智能推荐算法 | 第22-23页 |
| 2.3.1 线性分类算法 | 第22页 |
| 2.3.2 支持向量机算法 | 第22-23页 |
| 2.4 神经网络理论基础 | 第23-28页 |
| 2.4.1 神经元 | 第24页 |
| 2.4.2 树突 | 第24页 |
| 2.4.3 BP神经网络算法 | 第24-26页 |
| 2.4.4 BP神经网络算法优缺点 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于蜂群优化后的BP神经网络推荐算法 | 第29-45页 |
| 3.1 引言 | 第29页 |
| 3.2 数据处理和特征选择 | 第29-33页 |
| 3.2.1 数据采集 | 第29-31页 |
| 3.2.3 特征选择 | 第31-33页 |
| 3.3 基于蜂群优化后的BP神经网络视频推荐算法 | 第33-39页 |
| 3.3.1 蜂群智能算法的主要思想 | 第33-36页 |
| 3.3.2 基于蜂群优化后BP神经网络算法详细设计 | 第36-39页 |
| 3.4 实验和分析 | 第39-44页 |
| 3.4.1 实验数据及特征提取 | 第39-40页 |
| 3.4.2 视频推荐算法实验评价指标 | 第40-41页 |
| 3.4.3 实验结果对比和分析 | 第41-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于强化学习的BP神经网络视频推荐算法 | 第45-56页 |
| 4.1 基于强化学习的BP神经网络算法的主要思想 | 第45页 |
| 4.2 基于强化学习的BP神经网络算法的理论基础 | 第45-48页 |
| 4.2.1 隐层节点合并与拆分 | 第46-48页 |
| 4.2.2 Q-learning算法基本原理 | 第48页 |
| 4.3 基于强化学习的BP神经网络算法的详细设计 | 第48-52页 |
| 4.4 实验结果和分析 | 第52-55页 |
| 4.5 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 附录A 攻读硕士学位期间获得的学术论文 | 第63-64页 |
| 附录B 攻读硕士学位期间所参与的项目 | 第64-65页 |
| 致谢 | 第65页 |