基于资源特征的协同过滤推荐算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·推荐引擎概述 | 第11-16页 |
| ·推荐引擎的组成 | 第11-12页 |
| ·推荐引擎研究现状 | 第12-15页 |
| ·Apache Mahout简介 | 第15-16页 |
| ·本文主要工作 | 第16页 |
| ·论文组织结构 | 第16-18页 |
| 第二章 个性化推荐算法研究 | 第18-36页 |
| ·个性化推荐算法的分类 | 第18页 |
| ·基于内容的推荐 | 第18-21页 |
| ·基本原理 | 第18-19页 |
| ·推荐的产生 | 第19-20页 |
| ·优缺点 | 第20-21页 |
| ·协同过滤推荐 | 第21-34页 |
| ·协同过滤推荐算法的分类 | 第21-22页 |
| ·基于用户的协同过滤推荐 | 第22-25页 |
| ·基于项目的协同过滤推荐 | 第25-28页 |
| ·基于关联规则的推荐 | 第28-29页 |
| ·基于降维的协同过滤推荐 | 第29-30页 |
| ·基于聚类的协同过滤推荐 | 第30-31页 |
| ·优缺点分析及解决方法 | 第31-34页 |
| ·混合推荐 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 基于资源特征的协同过滤推荐算法 | 第36-44页 |
| ·基本思想 | 第36-39页 |
| ·用户兴趣的表示 | 第36页 |
| ·用户兴趣的来源 | 第36-37页 |
| ·用户行为处理策略 | 第37-38页 |
| ·时间窗更新策略 | 第38页 |
| ·用户兴趣模型的标准化策略 | 第38-39页 |
| ·用户对于资源评分的计算策略 | 第39页 |
| ·用户兴趣建模 | 第39-40页 |
| ·基于用户的资源特征协同过滤推荐 | 第40-42页 |
| ·基本原理 | 第40-41页 |
| ·算法步骤 | 第41-42页 |
| ·基于项目的资源特征协同过滤推荐 | 第42-43页 |
| ·基本原理 | 第42页 |
| ·算法步骤 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于资源特征的协同过滤推荐引擎的设计 | 第44-59页 |
| ·应用场景简介 | 第44-45页 |
| ·用户特征简介 | 第44页 |
| ·资源特征简介 | 第44-45页 |
| ·推荐引擎总体设计 | 第45-46页 |
| ·行为记录模块 | 第46-47页 |
| ·用户兴趣数据源 | 第46-47页 |
| ·行为记录流程图 | 第47页 |
| ·模型分析模块 | 第47-51页 |
| ·资源描述建模 | 第47-48页 |
| ·用户兴趣建模 | 第48-51页 |
| ·推荐模块 | 第51-53页 |
| ·基于用户的推荐 | 第51-52页 |
| ·基于项目的推荐 | 第52-53页 |
| ·实验结果与分析 | 第53-57页 |
| ·度量标准 | 第53页 |
| ·用户对于资源的预测评分的计算 | 第53-54页 |
| ·测试数据集 | 第54页 |
| ·实验步骤及结果 | 第54-57页 |
| ·优缺点分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| ·主要工作及创新点 | 第59页 |
| ·工作展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间主要研究成果 | 第67页 |
