基于协同过滤的个性化新闻推荐系统的研究与实现
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-11页 |
| 1.2 推荐系统的国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 研究内容及工作 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 2 相关理论和技术 | 第15-27页 |
| 2.1 个性化推荐系统 | 第15-19页 |
| 2.1.1 个性化推荐系统的分类 | 第15-16页 |
| 2.1.2 基于内容的推荐系统 | 第16-17页 |
| 2.1.3 混合推荐系统 | 第17-19页 |
| 2.2 协同过滤推荐 | 第19-21页 |
| 2.2.1 基于用户的协同推荐 | 第19-20页 |
| 2.2.2 基于项目的协同推荐 | 第20页 |
| 2.2.3 UserCF和ItemCF的综合比较 | 第20-21页 |
| 2.3 协同过滤推荐的流程 | 第21-24页 |
| 2.3.1 用户评分矩阵 | 第22页 |
| 2.3.2 用户相似度计算 | 第22-24页 |
| 2.3.3 预测和Top-N推荐 | 第24页 |
| 2.4 协同过滤瓶颈问题及解决方案 | 第24-25页 |
| 2.4.1 数据稀疏问题和冷启动问题 | 第24-25页 |
| 2.4.2 可扩展性问题 | 第25页 |
| 2.5 本章小结 | 第25-27页 |
| 3 基于用户偏好和项目属性的协同过滤推荐算法 | 第27-37页 |
| 3.1 现有协同过滤算法的分析 | 第27-28页 |
| 3.2 基于用户偏好和项目属性的协同过滤推荐算法 | 第28-33页 |
| 3.2.1 用户偏好和项目属性 | 第28-29页 |
| 3.2.2 基于用户偏好和项目属性的评分矩阵 | 第29-30页 |
| 3.2.3 相似性计算 | 第30-31页 |
| 3.2.4 预测推荐 | 第31-32页 |
| 3.2.5 IAUPCF算法描述 | 第32-33页 |
| 3.3 实验结果及分析 | 第33-35页 |
| 3.3.1 实验数据 | 第33页 |
| 3.3.2 推荐算法的度量策略 | 第33-34页 |
| 3.3.3 实验结果分析 | 第34-35页 |
| 3.4 本章小结 | 第35-37页 |
| 4 基于协同过滤的个性化新闻推荐系统的研究与实现 | 第37-50页 |
| 4.1 系统需求分析 | 第37-39页 |
| 4.1.1 系统需求概述 | 第37-38页 |
| 4.1.2 系统性能需求 | 第38页 |
| 4.1.3 系统开发环境和平台 | 第38-39页 |
| 4.2 系统总体设计 | 第39-41页 |
| 4.2.1 总体架构设计 | 第39-41页 |
| 4.2.2 功能模块设计 | 第41页 |
| 4.3 系统详细设计 | 第41-47页 |
| 4.3.1 数据库设计 | 第41-45页 |
| 4.3.2 类设计 | 第45-47页 |
| 4.4 功能界面展示 | 第47-49页 |
| 4.4.1 登录界面 | 第47-48页 |
| 4.4.2 推荐结果 | 第48页 |
| 4.4.3 界面显示 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 5 总结与展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-54页 |
