基于时间加权与评分预测的协同过滤推荐算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景 | 第8-10页 |
| ·研究意义 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·研究内容 | 第12页 |
| ·论文结构 | 第12-13页 |
| 第二章 相关研究综述 | 第13-23页 |
| ·推荐系统概述 | 第13-18页 |
| ·推荐系统定义 | 第13-14页 |
| ·推荐系统主要算法 | 第14-16页 |
| ·推荐系统应用 | 第16-18页 |
| ·协同过滤推荐算法 | 第18-20页 |
| ·基于邻域的算法 | 第18页 |
| ·隐语义模型 | 第18-19页 |
| ·基于图的模型 | 第19-20页 |
| ·相似度计算方法 | 第20-21页 |
| ·余弦相似度 | 第20-21页 |
| ·修正的余弦相似度 | 第21页 |
| ·相关相似性 | 第21页 |
| ·本章小结 | 第21-23页 |
| 第三章 基于时间加权的协同过滤推荐算法 | 第23-30页 |
| ·时间效应 | 第23-24页 |
| ·适应用户兴趣变化的协同过滤推荐算法 | 第24-28页 |
| ·线性加权方法 | 第24-25页 |
| ·时间窗技术 | 第25-27页 |
| ·非线性加权方法 | 第27-28页 |
| ·分析与比较 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 评分预测问题 | 第30-37页 |
| ·数据稀疏性影响 | 第30-31页 |
| ·评分预测算法的相关研究 | 第31-35页 |
| ·基于邻域的方法 | 第31-33页 |
| ·基于聚类的方法 | 第33-34页 |
| ·基于矩阵分解的方法 | 第34-35页 |
| ·分析与比较 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 时间加权与评分预测相结合的算法 | 第37-42页 |
| ·问题分析 | 第37-38页 |
| ·为预测评分赋予时间刻度值 | 第38-39页 |
| ·理论基础 | 第38页 |
| ·时间窗划分 | 第38-39页 |
| ·赋值 | 第39页 |
| ·算法的实现 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第六章 实验设计与结果分析 | 第42-48页 |
| ·数据集与评测指标 | 第42-44页 |
| ·数据集介绍 | 第42页 |
| ·评测指标 | 第42-44页 |
| ·实验设计 | 第44-46页 |
| ·实验结果分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 总结与展望 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 致谢 | 第54-55页 |
| 攻读学位期间的主要研究成果 | 第55-56页 |
