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

基于概率矩阵分解的协同推荐算法研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第10-16页
    1.1 研究背景及意义第10-11页
    1.2 国内外研究现状第11-13页
    1.3 本文的主要研究内容第13-14页
    1.4 本文的组织结构第14-16页
第2章 相关知识介绍第16-26页
    2.1 协同过滤推荐算法第16-20页
        2.1.1 基于内存的协同过滤推荐算法第16-18页
        2.1.2 基于模型的协同过滤推荐算法第18-20页
        2.1.3 混合协同过滤推荐算法第20页
    2.2 信任网络相关知识第20-24页
        2.2.1 信任的定义及特性第21-22页
        2.2.2 信任的分类第22-23页
        2.2.3 信任网络在推荐系统中的应用第23-24页
    2.3 本章小结第24-26页
第3章 融合概率矩阵分解和邻居模型的协同推荐算法第26-36页
    3.1 引言第26-27页
    3.2 融合概率矩阵分解和邻居模型的协同推荐第27-35页
        3.2.1 基于概率矩阵分解的相似度计算方法(PMF-SCA)第27-30页
        3.2.2 加权相似度计算方法第30-33页
        3.2.3 推荐算法(PNCF)第33-35页
    3.3 本章小结第35-36页
第4章 融合概率矩阵分解和信任模型的协同推荐算法第36-46页
    4.1 引言第36-37页
    4.2 融合概率矩阵分解和信任模型的协同推荐第37-45页
        4.2.1 信任网络扩展算法第37-43页
        4.2.2 加权相似度和信任度的融合第43-44页
        4.2.3 推荐算法描述(PTCF)第44-45页
    4.3 本章小结第45-46页
第5章 实验验证与分析第46-56页
    5.1 实验数据和设置第46-48页
        5.1.1 实验数据第46-47页
        5.1.2 数据设置第47-48页
        5.1.3 实验环境第48页
    5.2 实验评价指标第48-49页
    5.3 融合概率矩阵分解和邻居模型算法的对比实验及结果分析第49-52页
        5.3.1 参数对MAE值的影响第49-50页
        5.3.2 100K数据集下实验对比第50-51页
        5.3.3 1M数据集下实验对比第51-52页
        5.3.4 实验结果分析第52页
    5.4 融合概率矩阵分解和信任模型算法的对比实验及结果分析第52-55页
        5.4.1 实验参数确定第52-53页
        5.4.2 实验结果分析第53-55页
    5.5 本章小结第55-56页
结论第56-58页
参考文献第58-62页
攻读硕士学位期间承担的科研任务与主要成果第62-63页
致谢第63-64页
作者简介第64页

论文共64页,点击 下载论文
上一篇:基于托攻击检测与贝叶斯概率矩阵分解的鲁棒推荐算法
下一篇:基于用户兴趣变化的协同过滤推荐算法研究