基于条件相对平均熵的个性化推荐算法研究与应用
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 课题来源 | 第10页 |
| 1.3 研究现状与选题意义 | 第10-12页 |
| 1.3.1 研究现状 | 第10-12页 |
| 1.3.2 选题意义 | 第12页 |
| 1.4 论文主要工作 | 第12-13页 |
| 1.5 论文结构 | 第13-15页 |
| 第2章 相关技术研究 | 第15-24页 |
| 2.1 个性化推荐概述 | 第15-16页 |
| 2.2 个性化推荐的主要技术 | 第16-18页 |
| 2.2.1 基于关联规则的推荐算法 | 第16-17页 |
| 2.2.2 基于内容的推荐算法 | 第17页 |
| 2.2.3 基于协同过滤的推荐算法 | 第17-18页 |
| 2.2.4 混合推荐算法 | 第18页 |
| 2.3 复杂网络的社团结构 | 第18-19页 |
| 2.3.1 复杂网络的概述 | 第18-19页 |
| 2.3.2 复杂网络的社团结构 | 第19页 |
| 2.4 社团结构发现算法 | 第19-23页 |
| 2.4.1 Kernighan-Lin算法 | 第19-20页 |
| 2.4.2 分裂算法 | 第20页 |
| 2.4.3 凝聚算法 | 第20-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 CNM改进算法 | 第24-31页 |
| 3.1 CNM算法改进分析 | 第24-25页 |
| 3.2 算法优化 | 第25-29页 |
| 3.3 实验结果与分析 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 基于条件相对平均熵的个性化推荐算法 | 第31-42页 |
| 4.1 消费性格 | 第31-32页 |
| 4.2 条件相对平均熵 | 第32-33页 |
| 4.3 贝叶斯网络 | 第33-34页 |
| 4.4 算法分析 | 第34-38页 |
| 4.4.1 数据预处理 | 第34-35页 |
| 4.4.2 条件相对平均熵的K2算法初始值确定 | 第35-37页 |
| 4.4.3 消费性格判定 | 第37页 |
| 4.4.4 个性化推荐 | 第37-38页 |
| 4.5 实验结果与分析 | 第38-41页 |
| 4.6 本章小结 | 第41-42页 |
| 第5章 应用与实现 | 第42-54页 |
| 5.1 需求分析 | 第42页 |
| 5.2 系统架构 | 第42-45页 |
| 5.2.1 体系结构 | 第42-43页 |
| 5.2.2 系统功能结构 | 第43-45页 |
| 5.3 数据库设计 | 第45-47页 |
| 5.4 资产推荐模块实现 | 第47-53页 |
| 5.4.1 资产交易 | 第47-49页 |
| 5.4.2 资产推荐 | 第49-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-55页 |
| 6.1 总结 | 第54页 |
| 6.2 展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间的研究成果 | 第59页 |
