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

基于分层抽样统计与协同过滤的旅游景点推荐系统研究

摘要第3-4页
abstract第4-5页
第一章 绪论第8-13页
    1.1 课题研究背景和意义第8-9页
    1.2 国内外研究现状第9-10页
    1.3 主要研究内容第10-11页
    1.4 论文组织结构第11-12页
    1.5 本章小结第12-13页
第二章 推荐系统概述第13-22页
    2.1 推荐系统分类第13-18页
        2.1.1 基于内容的推荐系统第14-16页
        2.1.2 基于协同过滤的推荐系统第16-18页
        2.1.3 基于混合过滤的推荐系统第18页
    2.2 推荐系统评测指标第18-21页
        2.2.1 用户偏爱性第19页
        2.2.2 评分预测的精度第19页
        2.2.3 使用预测的精度第19-20页
        2.2.4 覆盖率第20-21页
    2.3 本章小结第21-22页
第三章 基于聚类算法的旅游景点推荐系统第22-33页
    3.1 推荐系统基本原理第22-23页
    3.2 建立数据集第23页
    3.3 聚类算法的基本原理第23-26页
        3.3.1 层次聚类算法第23-24页
        3.3.2 模糊聚类算法第24-25页
        3.3.3 K-means聚类算法第25-26页
    3.4 推荐系统实现第26-29页
        3.4.1 基于层次聚类算法的旅游景点推荐系统第26-27页
        3.4.2 基于模糊聚类的旅游景点推荐系统第27-28页
        3.4.3 基于K-means聚类的旅游景点推荐系统第28-29页
    3.5 实验结果及分析第29-31页
        3.5.1 算法1实验结果及分析第29-30页
        3.5.2 算法2实验结果及分析第30-31页
        3.5.3 算法3实验结果及分析第31页
    3.6 本章小结第31-33页
第四章 基于分层抽样统计与聚类算法的旅游景点推荐系统第33-46页
    4.1 推荐系统基本原理第33-34页
    4.2 基本模型和算法第34-36页
        4.2.1 基于分层抽样模型的用户喜好信息分析第34页
        4.2.2 基于分层抽样统计和聚类算法的推荐系统第34-36页
    4.3 实验结果与分析第36-45页
        4.3.1 分层抽样结果分析第36-37页
        4.3.2 基于分层抽样统计和层次聚类的推荐系统实验结果第37-39页
        4.3.3 基于分层抽样统计和模糊聚类的推荐系统实验结果第39-40页
        4.3.4 基于分层抽样统计和K-means聚类的推荐系统实验结果第40-44页
        4.3.5 算法的时间复杂度分析第44-45页
    4.4 本章小结第45-46页
第五章 基于分层抽样统计与SVD++算法的旅游景点推荐系统第46-57页
    5.1 推荐系统基本原理第46-47页
    5.2 基本模型与算法第47-49页
        5.2.1 SVD++原理第47-49页
        5.2.2 协同过滤模型第49页
    5.3 实验结果第49-55页
        5.3.1 预测评分第49-50页
        5.3.2 准确率、召回率、F第50-55页
    5.4 本章小结第55-57页
第六章 总结与展望第57-59页
    6.1 本文工作总结第57-58页
    6.2 不足与展望第58-59页
参考文献第59-63页
个人简历 在读期间发表的学术成果第63-64页
致谢第64页

论文共64页,点击 下载论文
上一篇:智能终端恶意程序检测方法研究
下一篇:零件表面缺陷检测中基于压缩感知的NSST图像拼接算法研究