| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第2章 推荐系统及其主要方法 | 第16-39页 |
| 2.1 推荐系统介绍 | 第16-20页 |
| 2.1.1 推荐系统的基本概念 | 第16-17页 |
| 2.1.2 推荐系统的总体架构 | 第17-18页 |
| 2.1.3 推荐系统的商务应用 | 第18-19页 |
| 2.1.4 推荐系统的评价指标 | 第19-20页 |
| 2.2 推荐系统主要方法 | 第20-25页 |
| 2.2.1 协同过滤推荐算法 | 第21-22页 |
| 2.2.2 基于内容的推荐算法 | 第22-23页 |
| 2.2.3 基于网络结构的推荐算法 | 第23-24页 |
| 2.2.4 混合推荐算法 | 第24-25页 |
| 2.3 协同过滤推荐方法 | 第25-38页 |
| 2.3.1 基于用户的协同过滤算法(UserCF) | 第26-30页 |
| 2.3.2 基于项目的协同过滤算法(ItemCF) | 第30-32页 |
| 2.3.3 基于用户项目混合的协同过滤算法(Hybrid CF) | 第32-34页 |
| 2.3.4 矩阵分解的协同过滤算法 | 第34-36页 |
| 2.3.5 协同过滤算法存在的问题 | 第36-37页 |
| 2.3.6 协同过滤算法的相关改进 | 第37-38页 |
| 2.4 本章小结 | 第38-39页 |
| 第3章 结合标签和评分的协同过滤推荐算法 | 第39-51页 |
| 3.1 改进算法的提出 | 第39页 |
| 3.2 相关概念和定义 | 第39-41页 |
| 3.2.1 用户和项目标签 | 第39-40页 |
| 3.2.2 标签相似性的计算 | 第40-41页 |
| 3.3 结合标签和评分的协同过滤算法(UTR-CF) | 第41-45页 |
| 3.3.1 算法思想 | 第41-42页 |
| 3.3.2 面向用户、项目、用户项目混合的三种UTR-CF算法 | 第42-43页 |
| 3.3.3 算法描述 | 第43-45页 |
| 3.4 实验 | 第45-50页 |
| 3.4.1 实验数据 | 第45-46页 |
| 3.4.2 实验设置 | 第46页 |
| 3.4.3 实验结果与分析 | 第46-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第4章 嵌入LDA主题模型的协同过滤推荐算法 | 第51-70页 |
| 4.1 主题模型概述 | 第51-52页 |
| 4.2 LDA主题模型 | 第52-55页 |
| 4.2.1 LDA主题模型介绍 | 第52-53页 |
| 4.2.2 LDA主题模型基本原理 | 第53-55页 |
| 4.3 嵌入LDA主题模型的协同过滤算法(ULR-CF) | 第55-61页 |
| 4.3.1 算法思想 | 第55-58页 |
| 4.3.2 面向用户、项目、用户项目混合的三种ULR-CF算法 | 第58页 |
| 4.3.3 算法描述 | 第58-61页 |
| 4.4 结合标签、LDA主题模型、评分的协同过滤算法(UTLR-CF) | 第61-62页 |
| 4.5 实验 | 第62-69页 |
| 4.5.1 实验数据与实验设置 | 第62页 |
| 4.5.2 实验结果与分析 | 第62-69页 |
| 4.6 本章小结 | 第69-70页 |
| 第5章 嵌入局部相似性的矩阵分解算法 | 第70-76页 |
| 5.1 改进算法的提出 | 第70页 |
| 5.2 嵌入局部相似性的矩阵分解算法(ELS-MF) | 第70-74页 |
| 5.2.1 算法思想 | 第70-71页 |
| 5.2.2 模型求解 | 第71-72页 |
| 5.2.3 算法描述 | 第72-74页 |
| 5.3 实验 | 第74-75页 |
| 5.3.1 实验数据与实验设置 | 第74页 |
| 5.3.2 实验结果与分析 | 第74-75页 |
| 5.4 本章小结 | 第75-76页 |
| 第6章 总结与展望 | 第76-78页 |
| 6.1 工作总结 | 第76-77页 |
| 6.2 工作展望 | 第77-78页 |
| 参考文献 | 第78-85页 |
| 附录 | 第85-86页 |
| 致谢 | 第86页 |
