融合上下文和项目属性的美食商店信息推荐算法研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 推荐算法的研究现状 | 第11页 |
| 1.3 美食商店信息推荐现状 | 第11-12页 |
| 1.4 本文主要研究内容 | 第12-13页 |
| 1.5 论文结构 | 第13-14页 |
| 第二章 美食商店信息推荐及相关技术 | 第14-19页 |
| 2.1 美食商店信息推荐 | 第14-15页 |
| 2.1.1 美食商店信息的推荐应用 | 第14-15页 |
| 2.2 文本情感分析 | 第15-17页 |
| 2.2.1 词语级的文本情感分析 | 第16页 |
| 2.2.2 句子级的文本情感分析 | 第16页 |
| 2.2.3 篇章级的文本情感分析 | 第16-17页 |
| 2.3 时间效用分析 | 第17-19页 |
| 2.3.1 时间变化的基线预测 | 第17页 |
| 2.3.2 时间变化的因子模型 | 第17-18页 |
| 2.3.3 时间变化的研究 | 第18-19页 |
| 第三章 基于文本情感分析改进的上下文推荐算法 | 第19-28页 |
| 3.1 引言 | 第19页 |
| 3.2 上下文文本 | 第19-21页 |
| 3.2.1 概念及技术 | 第19-20页 |
| 3.2.2 应用发展 | 第20-21页 |
| 3.3 算法内容 | 第21-25页 |
| 3.3.1 数据模型 | 第21页 |
| 3.3.2 建模 | 第21-22页 |
| 3.3.3 相似度计算 | 第22-23页 |
| 3.3.4 预测情感评分 | 第23页 |
| 3.3.5 算法流程 | 第23-25页 |
| 3.4 实验 | 第25-27页 |
| 3.4.1 实验环境 | 第25页 |
| 3.4.2 数据集 | 第25页 |
| 3.4.3 评价标准 | 第25-26页 |
| 3.4.4 结果分析 | 第26-27页 |
| 3.5 小结 | 第27-28页 |
| 第四章 基于时间效用与情感的上下文推荐算法 | 第28-38页 |
| 4.1 引言 | 第28页 |
| 4.2 问题的提出 | 第28-30页 |
| 4.2.1 上下文推荐算法 | 第28-29页 |
| 4.2.2 时间效用算法 | 第29页 |
| 4.2.3 情感相关算法 | 第29-30页 |
| 4.3 算法内容 | 第30-34页 |
| 4.3.1 数据模型 | 第30页 |
| 4.3.2 建模 | 第30-31页 |
| 4.3.3 相似度计算 | 第31-32页 |
| 4.3.4 评分预测 | 第32页 |
| 4.3.5 算法流程 | 第32-34页 |
| 4.4 实验 | 第34-36页 |
| 4.4.1 实验环境 | 第34页 |
| 4.4.2 数据集 | 第34页 |
| 4.4.3 评价标准 | 第34-35页 |
| 4.4.4 结果分析 | 第35-36页 |
| 4.5 小结 | 第36-38页 |
| 第五章 融合上下文和项目属性的协同过滤推荐算法 | 第38-48页 |
| 5.1 引言 | 第38页 |
| 5.2 问题的提出 | 第38-40页 |
| 5.2.1 协同推荐算法 | 第38-39页 |
| 5.2.2 项目属性分析 | 第39页 |
| 5.2.3 上下文信息应用 | 第39-40页 |
| 5.3 算法内容 | 第40-44页 |
| 5.3.1 数据模型 | 第40页 |
| 5.3.2 确定模型属性 | 第40-41页 |
| 5.3.3 建模更新 | 第41-42页 |
| 5.3.4 确定模型值 | 第42页 |
| 5.3.5 相似度计算 | 第42-43页 |
| 5.3.6 评分预测 | 第43页 |
| 5.3.7 算法流程 | 第43-44页 |
| 5.4 实验 | 第44-47页 |
| 5.4.1 实验环境 | 第45页 |
| 5.4.2 数据集 | 第45页 |
| 5.4.3 评价标准 | 第45页 |
| 5.4.4 结果分析 | 第45-47页 |
| 5.5 小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-51页 |
| 6.1 论文的工作与主要成果 | 第48-49页 |
| 6.2 本文研究的应用场景 | 第49页 |
| 6.3 下一步计划 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55页 |
