基于用户兴趣的个性化推荐系统的研究与设计
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究背景 | 第10-11页 |
| ·研究现状和意义 | 第11-12页 |
| ·研究现状简介 | 第11-12页 |
| ·研究目的和意义 | 第12页 |
| ·研究内容及主要工作 | 第12-13页 |
| ·论文结构安排 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第2章 个性化推荐系统及其核心技术 | 第15-23页 |
| ·个性化推荐系统概述 | 第15-18页 |
| ·个性化推荐系统的概念 | 第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 |
| ·个性化推荐系统分类 | 第17-18页 |
| ·个性化推荐系统的结构 | 第18-20页 |
| ·个性化推荐系统的输入 | 第18-19页 |
| ·个性化推荐系统的输出 | 第19-20页 |
| ·推荐系统的图形化用户界面 | 第20页 |
| ·主要的个性化推荐技术 | 第20-22页 |
| ·贝叶斯网络 | 第20-21页 |
| ·关联规则 | 第21页 |
| ·聚类 | 第21-22页 |
| ·协同过滤 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第3章 协同过滤及其在个性化推荐系统中的应用 | 第23-34页 |
| ·协同过滤 | 第23-25页 |
| ·协同过滤的优缺点 | 第23-24页 |
| ·协同过滤的实现 | 第24-25页 |
| ·协同过滤算法 | 第25-31页 |
| ·基于用户的协同过滤算法 | 第25-27页 |
| ·基于项的协同过滤算法 | 第27-30页 |
| ·基于聚类的协同过滤算法 | 第30-31页 |
| ·协同过滤存在的问题以及解决办法 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 协同过滤算法的改进 | 第34-45页 |
| ·相关符号定义 | 第34页 |
| ·基于奇异值分解的改进算法 | 第34-39页 |
| ·奇异值分解的数值解法 | 第35-37页 |
| ·算法流程 | 第37-39页 |
| ·基于项的改进算法 | 第39-44页 |
| ·相似性度量方法分析 | 第39-40页 |
| ·算法改进思路 | 第40-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 实验设计与结果分析 | 第45-54页 |
| ·实验数据 | 第45-46页 |
| ·实验评价标准 | 第46-47页 |
| ·实验方案 | 第47-48页 |
| ·实验结果与分析 | 第48-53页 |
| ·本章小结 | 第53-54页 |
| 第6章 结论与展望 | 第54-56页 |
| ·本文工作 | 第54页 |
| ·进一步的工作 | 第54-55页 |
| ·研究展望 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 作者简历 | 第58-60页 |
| 学位论文数据集 | 第60页 |
