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

数据稀疏情况下的协同过滤推荐算法研究

摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第10-16页
    1.1 研究背景和意义第10-11页
    1.2 国内外研究现状第11-13页
    1.3 论文研究内容和创新工作第13-14页
    1.4 论文结构第14-15页
    1.5 本章小结第15-16页
第二章 推荐算法第16-26页
    2.1 推荐算法概述第16-17页
    2.2 基于记忆的协同过滤算法第17-20页
        2.2.1 基于用户的协同过滤算法第17-18页
        2.2.2 基于物品的协同过滤算法第18-19页
        2.2.3 相似性度量第19页
        2.2.4 小结第19-20页
    2.3 基于模型的协同过滤算法第20-25页
        2.3.1 奇异值分解第20-22页
        2.3.2 概率矩阵分解第22-24页
        2.3.3 隐语义模型和基于记忆的协同过滤算法比较第24-25页
    2.4 辅助信息第25页
    2.5 本章小结第25-26页
第三章 基于物品聚类的协同过滤算法第26-38页
    3.1 引言第26-27页
    3.2 基于物品聚类的协同过滤算法第27-35页
        3.2.1 符号定义第27-28页
        3.2.2 相关工作第28-29页
        3.2.3 近邻算法第29-33页
        3.2.4 引入标签基因组信息的基于物品聚类的协同过滤算法第33-35页
    3.3 实验部分第35-36页
        3.3.1 实验数据第35页
        3.3.2 评测指标第35页
        3.3.3 实验结果与分析第35-36页
    3.4 本章小结第36-38页
第四章 基于二阶多项式回归的协同神经网络算法第38-50页
    4.1 引言第38-40页
    4.2 基于二阶多项式回归的协同神经网络算法第40-45页
        4.2.1 基于矩阵分解的协同神经网络算法第40-41页
        4.2.2 特征表达模型第41-43页
        4.2.3 多层感知机第43页
        4.2.4 基于二阶多项式回归的协同神经网络算法第43-45页
    4.3 实验部分第45-48页
        4.3.1 实验数据第45页
        4.3.2 评测指标第45页
        4.3.3 实验结果与分析第45-48页
    4.4 本章小结第48-50页
第五章 总结与展望第50-54页
    5.1 研究工作总结第50-51页
    5.2 今后工作展望第51-54页
参考文献第54-58页
致谢第58-60页
攻读学位期间发表的学术论文目录第60页

论文共60页,点击 下载论文
上一篇:基于微服务架构的Web AR服务平台中关键技术的研究与实现
下一篇:基于SSM框架的网上商城系统的设计与实现