基于数据挖掘技术的用户偏好研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 研究内容 | 第13-16页 |
| 1.3 论文组织结构 | 第16-17页 |
| 第二章 个性化服务系统中用户偏好研究 | 第17-25页 |
| 2.1 用户偏好概述 | 第17-18页 |
| 2.2 用户偏好建模概述 | 第18-19页 |
| 2.3 用户偏好模型的表示方式 | 第19-20页 |
| 2.4 基于用户偏好的个性化推荐服务研究 | 第20-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第三章 多模型融合的用户偏好提取方法 | 第25-47页 |
| 3.1 集成学习概述 | 第25-29页 |
| 3.2 基于多模型融合的用户偏好提取方法 | 第29-46页 |
| 3.2.1 数据预处理和特征工程 | 第31-33页 |
| 3.2.2 单模型用户偏好提取 | 第33-43页 |
| 3.2.3 基于单模型偏好提取的模型融合 | 第43-44页 |
| 3.2.4 实验结果与分析 | 第44-46页 |
| 3.3 本章小结 | 第46-47页 |
| 第四章 基于用户短期偏好的推荐系统惊喜度研究 | 第47-57页 |
| 4.1 个性化推荐系统惊喜度研究背景 | 第47-48页 |
| 4.2 兼顾惊喜度的个性化推荐策略 | 第48-49页 |
| 4.3 个性化推荐系统惊喜度影响因素研究 | 第49-50页 |
| 4.4 推荐系统惊喜度评估研究 | 第50-56页 |
| 4.4.1 推荐系统惊喜度评估方法 | 第50-52页 |
| 4.4.2 推荐系统惊喜度影响因素分析 | 第52-54页 |
| 4.4.3 推荐系统惊喜度评估实验验证 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-61页 |
| 5.1 全文总结及主要贡献 | 第57-58页 |
| 5.2 未来研究工作展望 | 第58-61页 |
| 参考文献 | 第61-69页 |
| 致谢 | 第69-71页 |
| 攻读硕士学位期间研究成果 | 第71页 |
