考虑时间动态性的协同过滤算法及其应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景和意义 | 第9-10页 |
| ·论文主要内容和创新点 | 第10页 |
| ·论文结构 | 第10-13页 |
| 第二章 相关研究综述 | 第13-23页 |
| ·个性化推荐综述 | 第13-16页 |
| ·个性化推荐系统 | 第13-15页 |
| ·个性化推荐评估技术 | 第15-16页 |
| ·协同过滤研究综述 | 第16-21页 |
| ·本章小结 | 第21-23页 |
| 第三章 协同过滤推荐算法研究与分析 | 第23-31页 |
| ·传统的协同过滤算法 | 第23-25页 |
| ·评分数据表示 | 第23-24页 |
| ·最近邻居形成 | 第24页 |
| ·推荐项目集产生 | 第24-25页 |
| ·协同过滤中相似性函数分析 | 第25-27页 |
| ·皮尔逊相关系数 | 第25-26页 |
| ·余弦相似性 | 第26页 |
| ·修正余弦相似性 | 第26-27页 |
| ·基于时间动态性的研究分析 | 第27-29页 |
| ·用户兴趣随时间变化 | 第28页 |
| ·商品间的序列模式 | 第28-29页 |
| ·季节效应和热门效应 | 第29页 |
| ·本章小结 | 第29-31页 |
| 第四章 协同过滤推荐算法的改进 | 第31-41页 |
| ·数据预处理 | 第31-32页 |
| ·相似性计算函数的改进 | 第32-35页 |
| ·热门系数 | 第32-33页 |
| ·评分系数 | 第33-34页 |
| ·时间系数 | 第34-35页 |
| ·综合相似性函数 | 第35页 |
| ·推荐结果筛选 | 第35-38页 |
| ·综合性改进算法 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第五章 改进算法的推荐效果测试与验证 | 第41-57页 |
| ·数据收集 | 第41-42页 |
| ·数据处理 | 第42-43页 |
| ·截取数据集 | 第42页 |
| ·去除噪音数据 | 第42页 |
| ·测试集与验证集 | 第42-43页 |
| ·算法实现与实验设计 | 第43-47页 |
| ·测试环境 | 第43-45页 |
| ·实验设计 | 第45-47页 |
| ·测试结果与分析 | 第47-55页 |
| ·基本算法比较 | 第47-49页 |
| ·相似度计算函数比较 | 第49-52页 |
| ·序列模式的应用比较 | 第52-55页 |
| ·本章小结 | 第55-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·总结 | 第57页 |
| ·展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63页 |
