基于联合聚类的矩阵分解推荐算法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景和意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 论文章节安排 | 第16-18页 |
| 第二章 相关工作 | 第18-30页 |
| 2.1 推荐系统概述 | 第18页 |
| 2.2 推荐系统基本算法 | 第18-22页 |
| 2.2.1 基于内容的过滤算法 | 第18-19页 |
| 2.2.2 基于协同过滤的算法 | 第19-22页 |
| 2.2.3 基本推荐算法的比较分析 | 第22页 |
| 2.3 推荐系统评价指标 | 第22-26页 |
| 2.3.1 推荐精度指标 | 第23-25页 |
| 2.3.2 时间效率指标 | 第25-26页 |
| 2.4 推荐系统存在的挑战 | 第26-28页 |
| 2.4.1 冷启动 | 第26-27页 |
| 2.4.2 数据稀疏性 | 第27页 |
| 2.4.3 可扩展性 | 第27页 |
| 2.4.4 实时性 | 第27页 |
| 2.4.5 过度专业化 | 第27-28页 |
| 2.5 推荐算法方面的改进 | 第28-29页 |
| 2.5.1 基于上下文感知的信息建模 | 第28页 |
| 2.5.2 基于内容相似性的手动建模 | 第28-29页 |
| 2.5.3 基于内容相似度的计算建模 | 第29页 |
| 2.5.4 基于聚类算法的建模 | 第29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 基于联合聚类的矩阵分解推荐算法 | 第30-38页 |
| 3.1 聚类的基础知识 | 第30-31页 |
| 3.2 矩阵分解算法的基础知识 | 第31-32页 |
| 3.3 基于联合聚类的矩阵分解推荐算法 | 第32-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 实验设计和对比分析 | 第38-45页 |
| 4.1 实验数据集 | 第38页 |
| 4.2 评价标准 | 第38页 |
| 4.3 比较方法和参数设定 | 第38-39页 |
| 4.4 实验结果与分析 | 第39-41页 |
| 4.4.1 正则化参数λ对模型精度的影响 | 第39-40页 |
| 4.4.2 维度D对各模型精度的影响 | 第40-41页 |
| 4.5 时间复杂度分析 | 第41-42页 |
| 4.5.1 聚类数目对算法运行时间的影响 | 第41-42页 |
| 4.5.2 不同模型运行时间比较结果 | 第42页 |
| 4.6 不同聚类算法对评分预测的影响 | 第42-44页 |
| 4.6.1 推荐精度的对比 | 第43页 |
| 4.6.2 推荐时效的对比 | 第43-44页 |
| 4.7 本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-47页 |
| 5.1 研究内容总结 | 第45页 |
| 5.2 未来研究工作展望 | 第45-47页 |
| 参考文献 | 第47-55页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第55-56页 |
