首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于用户画像特征数据集的个性化推荐算法研究

摘要第5-6页
ABSTRACT第6-7页
符号对照表第11-12页
缩略语对照表第12-15页
第一章 绪论第15-23页
    1.1 研究背景和意义第15-16页
    1.2 推荐系统算法概述第16-20页
        1.2.1 协同过滤第17-19页
        1.2.2 基于内容的推荐第19页
        1.2.3 分类算法第19-20页
    1.3 机器学习与深度学习的发展及研究现状第20-21页
    1.4 本论文的主要研究工作和章节安排第21-23页
第二章 前馈神经网络与随机森林算法相关理论第23-33页
    2.1 前馈神经网络第23-28页
        2.1.1 神经元模型第23-25页
        2.1.2 前馈神经网络的结构及前向传播第25-26页
        2.1.3 反向传播算法第26-28页
    2.2 随机森林算法第28-31页
        2.2.1 决策树算法第28-29页
        2.2.2 集成学习算法第29-30页
        2.2.3 随机森林结构及构建步骤第30-31页
    2.3 小结第31-33页
第三章 构建用户画像特征数据集第33-49页
    3.1 用户画像特征数据集构建的整体框架第33-34页
    3.2 数据分析及预处理第34-39页
        3.2.1 训练集和测试集的划分第34-36页
        3.2.2 数据清洗第36-38页
        3.2.3 缺失值处理第38-39页
    3.3 特征工程及数据集构建第39-46页
        3.3.1 人工特征提取第39-41页
        3.3.2 基于改进的前馈神经网络的特征提取第41-45页
        3.3.3 用户画像特征数据集第45-46页
    3.4 小结第46-49页
第四章 优化的随机森林算法第49-61页
    4.1 优化的随机森林算法原理第50-53页
        4.1.1 构建基决策树第50-51页
        4.1.2 基决策树的筛选及集成第51-53页
    4.2 实验结果及分析第53-59页
        4.2.1 实验一: 优化的随机森林算法第53-56页
        4.2.2 实验二: 用户画像特征数据集及推荐系统第56-59页
    4.3 小结第59-61页
第五章 基于用户行为的个性化推荐系统第61-71页
    5.1 系统总体设计方案第61-65页
        5.1.1 系统需求分析第61-62页
        5.1.2 系统开发环境第62-63页
        5.1.3 系统整体技术架构第63-65页
    5.2 测试及评估第65-69页
    5.3 小结第69-71页
第六章 总结和展望第71-73页
    6.1 本论文工作总结第71页
    6.2 研究展望第71-73页
参考文献第73-77页
致谢第77-79页
作者简介第79-80页

论文共80页,点击 下载论文
上一篇:基于ARMv8架构的高速图像采集系统设计
下一篇:低小慢目标光电探测技术研究