基于随机游走和聚类平滑的两阶段协同过滤算法
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 引言 | 第8-14页 |
| ·研究背景 | 第8-9页 |
| ·推荐系统的研究现状 | 第9-11页 |
| ·本文的工作和论文组织 | 第11-14页 |
| 第二章 推荐系统 | 第14-18页 |
| ·推荐系统概述 | 第14-15页 |
| ·常用的推荐技术 | 第15-16页 |
| ·推荐系统的研究内容和方向 | 第16-17页 |
| ·推荐系统面临的挑战 | 第17页 |
| ·小结 | 第17-18页 |
| 第三章 协同过滤技术 | 第18-36页 |
| ·基于存储的协同过滤 | 第19-22页 |
| ·相似性度量方法 | 第19-21页 |
| ·预测和推荐 | 第21-22页 |
| ·基于模型的协同过滤 | 第22-28页 |
| ·朴素贝叶斯协同过滤算法 | 第22-23页 |
| ·基于关联规则的协同过滤算法 | 第23页 |
| ·潜在语义索引与奇异值分解协同过滤算法 | 第23-24页 |
| ·基于聚类的协同过滤算法 | 第24-27页 |
| ·其他基于模型的协同过滤算法 | 第27-28页 |
| ·混合模型的推荐 | 第28-30页 |
| ·结合协同过滤和基于内容特征的混合推荐 | 第28-29页 |
| ·结合协同过滤和其他推荐系统的混合推荐 | 第29页 |
| ·结合协同过滤的混合推荐 | 第29-30页 |
| ·协同过滤面临的困难 | 第30-32页 |
| ·数据稀疏性 | 第30-31页 |
| ·可扩展性 | 第31页 |
| ·同义性 | 第31页 |
| ·“托”攻击问题 | 第31-32页 |
| ·特殊用户问题 | 第32页 |
| ·评价机制 | 第32-34页 |
| ·小结 | 第34-36页 |
| 第四章 基于随机游走和聚类平滑的协同过滤算法 | 第36-44页 |
| ·随机游走模型 | 第36-40页 |
| ·聚类平滑 | 第40-42页 |
| ·邻居查找和预测推荐 | 第42-43页 |
| ·计算复杂性 | 第43页 |
| ·小结 | 第43-44页 |
| 第五章 实验结果与分析 | 第44-52页 |
| ·数据集 | 第44页 |
| ·评价标准 | 第44-45页 |
| ·实验参数的调整 | 第45-47页 |
| ·实验结果及分析 | 第47-50页 |
| ·小结 | 第50-52页 |
| 第六章 总结 | 第52-54页 |
| ·本文工作 | 第52页 |
| ·进一步工作 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 简历 | 第59-60页 |
| 致谢 | 第60页 |
