基于标签聚类和兴趣划分的个性化推荐算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第13-19页 |
| 1.1 研究背景 | 第13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 本文组织结构及研究内容 | 第16-19页 |
| 2 推荐系统相关理论研究 | 第19-31页 |
| 2.1 推荐系统简介 | 第19页 |
| 2.2 协同过滤推荐系统 | 第19-25页 |
| 2.2.1 基本原理及推荐过程 | 第20页 |
| 2.2.2 协同过滤的分类 | 第20-23页 |
| 2.2.3 协同过滤中常见的相似性算法 | 第23-25页 |
| 2.3 其它常用的推荐算法 | 第25-28页 |
| 2.3.1 基于内容的推荐 | 第25-27页 |
| 2.3.2 基于关联规则的推荐 | 第27-28页 |
| 2.3.3 混合推荐 | 第28页 |
| 2.4 推荐系统评测标准 | 第28-31页 |
| 2.4.1 平均绝对偏差 | 第28-29页 |
| 2.4.2 准确率和召回率 | 第29页 |
| 2.4.3 其它标准 | 第29-31页 |
| 3 基于用户兴趣变化的协同过滤推荐算法 | 第31-39页 |
| 3.1 概述 | 第31页 |
| 3.2 融合时间因子的协同过滤推荐 | 第31-35页 |
| 3.2.1 时间因素分析 | 第31-33页 |
| 3.2.2 时间模型建立 | 第33-34页 |
| 3.2.3 相似度计算 | 第34-35页 |
| 3.3 实验结果与分析 | 第35-38页 |
| 3.3.1 数据集与实验环境 | 第35页 |
| 3.3.2 评价标准 | 第35-36页 |
| 3.3.3 结果分析 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 基于标签聚类和兴趣划分的协同过滤推荐算法 | 第39-53页 |
| 4.1 概述 | 第39-40页 |
| 4.1.1 标签 | 第39-40页 |
| 4.1.2 研究问题及内容 | 第40页 |
| 4.2 基于标签聚类和兴趣划分的协同过滤推荐 | 第40-46页 |
| 4.2.1 标签聚类 | 第40-44页 |
| 4.2.2 构造用户兴趣向量 | 第44-45页 |
| 4.2.3 基于标签的用户相似度计算 | 第45页 |
| 4.2.4 基于评分的用户相似度计算 | 第45-46页 |
| 4.3 实验结果与分析 | 第46-52页 |
| 4.3.1 数据集与实验环境 | 第46-47页 |
| 4.3.2 评价标准 | 第47页 |
| 4.3.3 实验设置 | 第47-48页 |
| 4.3.4 结果分析 | 第48-52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 作者简介及读研期间主要科研成果 | 第61页 |
