首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于正相关和负相关最近邻居的协同过滤算法研究

摘要第3-5页
Abstract第5-6页
第一章 绪论第9-16页
    1.1 研究背景及意义第9-11页
    1.2 国内外研究现状第11-13页
    1.3 本文的研究工作与组织结构第13-16页
第二章 推荐系统以及协同过滤算法第16-33页
    2.1 推荐系统第16-18页
    2.2 推荐算法的分类第18-25页
        2.2.1 基于协同过滤的推荐算法第18-20页
        2.2.2 基于内容的推荐算法第20-22页
        2.2.3 基于关联规则的推荐算法第22-23页
        2.2.4 基于二部图的推荐算法第23-24页
        2.2.5 混合推荐算法第24-25页
    2.3 基于协同过滤的推荐算法第25-30页
        2.3.1 基于用户的协同过滤推荐算法第25-29页
        2.3.2 基于项目的协同过滤推荐算法第29-30页
    2.4 推荐系统的评价指标第30-33页
第三章 基于正相关和负相关最近邻居的协同过滤推荐算法第33-48页
    3.1 引言第33-34页
    3.2 PNCF算法第34-40页
        3.2.1 相似度计算第34-36页
        3.2.2 最近邻居选取第36-38页
        3.2.3 预测评分第38-40页
    3.3 数据集及评价标准第40-43页
        3.3.1 数据集第40-41页
        3.3.2 实验环境第41-42页
        3.3.3 评价标准第42-43页
    3.4 实验结果及分析第43-48页
        3.4.1 阈值β取值及实验对比第43-44页
        3.4.2 实验对比及分析第44-48页
第四章 基于正相关和负相关最近邻居的协同过滤算法改进第48-64页
    4.1 引言第48-49页
    4.2 IPNCF算法第49-58页
        4.2.1 相似度计算第49-54页
        4.2.2 最近邻居选取第54页
        4.2.3 预测评分第54-55页
        4.2.4 算法流程总结第55-58页
    4.3 数据集及评价标准第58页
        4.3.1 数据集与实验环境第58页
        4.3.2 评价标准第58页
    4.4 实验结果及分析第58-64页
        4.4.1 阈值θ以及调节因子ω的取值第59页
        4.4.2 实验对比及分析第59-64页
第五章 总结与展望第64-66页
    5.1 本文总结第64-65页
    5.2 未来展望第65-66页
参考文献第66-70页
附录第70-72页
Appendix第72-74页
致谢第74-75页
攻读硕士学位期间发表的学术论文第75-76页
攻读硕士学位期间参加研究的项目第76页

论文共76页,点击 下载论文
上一篇:联合规则模板的评价对象抽取方法和推荐系统方法研究
下一篇:基于结构表的两阶段测试用例集约简研究