协同过滤推荐算法及其改进研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·研究背景 | 第8-10页 |
| ·研究意义 | 第10-11页 |
| ·研究现状 | 第11-13页 |
| ·主要研究内容 | 第13页 |
| ·论文组织结构 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 2 推荐系统及相关技术 | 第15-23页 |
| ·推荐系统概述 | 第15页 |
| ·推荐系统结构 | 第15-17页 |
| ·推荐技术 | 第17-20页 |
| ·基于规则的推荐 | 第17-19页 |
| ·基于内容的推荐 | 第19页 |
| ·基于协同过滤的推荐 | 第19-20页 |
| ·推荐技术比较 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 3 协同过滤推荐算法 | 第23-33页 |
| ·协同过滤原理 | 第23页 |
| ·协同过滤算法分类 | 第23-24页 |
| ·基于模型的协同过滤算法 | 第24-25页 |
| ·聚类技术 | 第24页 |
| ·关联规则 | 第24-25页 |
| ·基于内存的协同过滤算法 | 第25-30页 |
| ·基于用户的协同过滤算法 | 第25-27页 |
| ·基于项目的协同过滤算法 | 第27-30页 |
| ·协同过滤算法分析 | 第30-31页 |
| ·协同过滤算法相关改进 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 4 基于用户特征和兴趣变化的协同过滤算法 | 第33-44页 |
| ·问题提出 | 第33页 |
| ·时间效应 | 第33-36页 |
| ·时间窗技术 | 第34页 |
| ·遗忘函数技术 | 第34-35页 |
| ·改进非线性遗忘函数 | 第35-36页 |
| ·用户偏好度 | 第36-39页 |
| ·项目属性相似性 | 第36-38页 |
| ·项目相似度 | 第38页 |
| ·用户偏好度计算 | 第38-39页 |
| ·用户特征向量 | 第39-41页 |
| ·用户特征选择 | 第39-40页 |
| ·用户特征向量相似度计算 | 第40-41页 |
| ·算法流程 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 5 实验 | 第44-52页 |
| ·实验目的 | 第44页 |
| ·实验数据与环境 | 第44-45页 |
| ·实验数据选取 | 第44页 |
| ·实验环境 | 第44-45页 |
| ·实验度量标准 | 第45页 |
| ·实验方案 | 第45-46页 |
| ·实验结果及分析 | 第46-51页 |
| ·本章小结 | 第51-52页 |
| 6 总结与展望 | 第52-54页 |
| ·总结 | 第52-53页 |
| ·创新点 | 第53页 |
| ·下一步工作展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 作者在攻读学位期间发表的论文目录 | 第59页 |
