协作过滤算法及其在个性化推荐系统中的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| ·个性化推荐系统的研究综述 | 第9-13页 |
| ·个性化推荐系统的研究背景 | 第9-10页 |
| ·个性化推荐系统的发展 | 第10-11页 |
| ·个性化推荐系统的研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·本文的研究对象和工作 | 第13页 |
| ·论文的结构安排 | 第13页 |
| ·小结 | 第13-14页 |
| 第二章 个性化推荐系统及其核心技术 | 第14-30页 |
| ·个性化推荐系统概述 | 第14-17页 |
| ·个性化推荐系统的概念 | 第14-15页 |
| ·个性化推荐系统的研究内容 | 第15-16页 |
| ·个性化推荐系统的经济效益 | 第16-17页 |
| ·个性化推荐系统的类别 | 第17页 |
| ·个性化推荐系统的结构 | 第17-21页 |
| ·推荐系统的图形化用户界面 | 第18-19页 |
| ·个性化推荐系统的输入 | 第19-20页 |
| ·个性化推荐系统的推荐形式 | 第20-21页 |
| ·主要的个性化推荐技术 | 第21-22页 |
| ·组合推荐技术 | 第22-23页 |
| ·协作过滤算法 | 第23-29页 |
| ·协作过滤算法的思路及过程 | 第24-26页 |
| ·协作过滤算法的分类 | 第26-29页 |
| ·小结 | 第29-30页 |
| 第三章 基于降维与项目评估预测的协作过滤算法 | 第30-44页 |
| ·协作过滤推荐算法 | 第30-36页 |
| ·User-based协作过滤算法 | 第30-32页 |
| ·Item-based协作过滤算法 | 第32-34页 |
| ·基于降维的协作过滤算法 | 第34-36页 |
| ·优劣分析及其解决方法 | 第36-39页 |
| ·稀疏问题(Sparsity) | 第36-37页 |
| ·冷开始问题(Cold-start) | 第37-38页 |
| ·优化的协作推荐算法的提出 | 第38-39页 |
| ·优化的协作过滤算法 | 第39-43页 |
| ·算法的流程图 | 第41页 |
| ·对用户评价矩阵进行降维处理 | 第41页 |
| ·寻找最近邻居 | 第41-42页 |
| ·产生推荐 | 第42-43页 |
| ·小结 | 第43-44页 |
| 第四章 实验设计和结果分析 | 第44-49页 |
| ·推荐的实验数据 | 第44页 |
| ·推荐的实验设计 | 第44-48页 |
| ·评估标准 | 第44-46页 |
| ·实验结果及分析 | 第46-48页 |
| ·小结 | 第48-49页 |
| 第五章 总结 | 第49-51页 |
| ·本文的工作 | 第49页 |
| ·进一步的工作 | 第49-50页 |
| ·研究展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间发表的学术论文发表的论文 | 第56页 |
