协同过滤系统的稀疏性与冷启动问题研究

第一章 绪论	第1-27页
·引言	第14-19页
·信息过载与信息过滤	第14-16页
·推荐系统与协同过滤	第16-19页
·推荐系统的国内外研究现状	第19-24页
·国内研究现状	第20-22页
·国外的研究现状	第22-24页
·本课题的研究意义和主要工作	第24-25页
·本课题的研究意义	第24页
·本课题的主要工作	第24-25页
·本文的组织结构	第25-27页
第二章 相关工作	第27-59页
·基于内容的过滤技术	第27-29页
·协同过滤技术	第29-36页
·协同过滤系统简单描述	第31-33页
·协同过滤技术的分类	第33-34页
·协同过滤技术的优缺点	第34-36页
·基于用户的协同过滤推荐系统	第36-43页
·传统的相似性度量方法	第38-42页
·其它度量方法	第42-43页
·基于项目的协同过滤推荐系统	第43-46页
·基于模型的协同过滤推荐系统	第46-52页
·基于奇异值分解	第46-50页
·基于关联规则	第50-52页
·协同过滤与基于内容的过滤相结合	第52-55页
·其它推荐方法	第55-59页
第三章 推荐系统的评价	第59-66页
·评价指标	第59-64页
·数据集	第64-66页
第四章 稀疏性问题研究	第66-83页
·稀疏性问题	第66-68页
·现有的解决方法	第68-72页
·Pear_After_SVD算法	第72-74页
·LCM_STI算法	第74-78页
·试验及分析	第78-83页
第五章 冷启动问题研究	第83-95页
·冷启动问题	第83页
·现有的解决方法	第83-84页
·新项目问题解决方法	第83-84页
·新用户问题解决方法	第84页
·众数法与信息熵法	第84-86页
·新项目问题解决方法	第84-85页
·新用户问题解决方法	第85-86页
·试验及分析	第86-95页
·新项目问题的试验及分析	第87-90页
·新用户问题的试验及分析	第90-95页
第六章 结论与展望	第95-99页
·本文主要内容总结	第95页
·本文的创新点	第95-96页
·进一步的工作	第96-99页
攻读博士学位期间发表的学术论文	第99-101页
参考文献	第101-115页