基于用户与服务特征的协同过滤推荐研究
| CONTENTS | 第6-8页 |
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第12-16页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究内容 | 第13-14页 |
| 1.3 主要工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第2章 相关研究 | 第16-26页 |
| 2.1 Web服务技术 | 第16-19页 |
| 2.1.1 Web服务体系架构 | 第17页 |
| 2.1.2 Web服务技术概况 | 第17-19页 |
| 2.2 推荐系统的发展状况 | 第19-25页 |
| 2.2.1 基于内容的推荐模型 | 第20-22页 |
| 2.2.2 基于关联规则的推荐模型 | 第22-23页 |
| 2.2.3 协同过滤的推荐模型 | 第23-25页 |
| 2.3 本章小节 | 第25-26页 |
| 第3章 基于Web服务的协同过滤推荐模型 | 第26-30页 |
| 3.1 Web服务领域的协同过滤推荐模型 | 第26-27页 |
| 3.2 用户服务评分矩阵 | 第27页 |
| 3.3 用户相似度计算方法 | 第27-29页 |
| 3.4 本章小节 | 第29-30页 |
| 第4章 基于服务特征细分用户的协同过滤推荐模型 | 第30-43页 |
| 4.1 基于用户特征的用户相似度模型 | 第30-32页 |
| 4.1.1 Web服务QoS属性 | 第30-31页 |
| 4.1.2 基于服务特征的用户细分方法 | 第31-32页 |
| 4.2 用户专业度模型 | 第32-34页 |
| 4.3 相似用户Top-K算法 | 第34页 |
| 4.4 基于服务特征细分用户的协同过滤算法 | 第34-35页 |
| 4.5 实验分析与研究 | 第35-42页 |
| 4.5.1 数据集 | 第35-36页 |
| 4.5.2 矩阵稀疏度分析实验 | 第36页 |
| 4.5.3 基于用户特征的推荐系统实验 | 第36-38页 |
| 4.5.4 TOP-K参数实验分析 | 第38-40页 |
| 4.5.5 基于用户专业度的实验 | 第40-42页 |
| 4.6 本章小结 | 第42-43页 |
| 第5章 用户相似度传递性研究 | 第43-50页 |
| 5.1 相似度传递算法 | 第43-45页 |
| 5.1.1 简单相似度传递模型 | 第43-44页 |
| 5.1.2 相似度传递算法 | 第44-45页 |
| 5.2 相似度可传递性 | 第45-46页 |
| 5.3 基于用户信任度的相似度传递模型 | 第46-48页 |
| 5.3.1 用户信任关系的图表示 | 第46-47页 |
| 5.3.2 基于用户信任度的传递模型 | 第47-48页 |
| 5.4 实验分析 | 第48-49页 |
| 5.5 本章小结 | 第49-50页 |
| 第6章 总结与展望 | 第50-52页 |
| 6.1 本文的工作总结 | 第50-51页 |
| 6.2 未来的工作展望 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间发表的学术论文目录 | 第58-59页 |
| 攻读学位期间参与的科研项目及获奖情况 | 第59-60页 |
| 附表 | 第60页 |
