基于自然遗忘的个性化推荐算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景与研究意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·国内研究现状 | 第9-10页 |
| ·国外研究现状 | 第10页 |
| ·本论文的研究目标与研究意义 | 第10-12页 |
| ·本论文的研究目标 | 第10-11页 |
| ·本论文的研究意义 | 第11-12页 |
| ·论文的组织结构安排 | 第12-14页 |
| 第二章 推荐系统及相关技术 | 第14-22页 |
| ·推荐系统概述 | 第14页 |
| ·推荐方法的分类 | 第14-18页 |
| ·基于内容的推荐方法 | 第14-15页 |
| ·协同过滤推荐方法 | 第15-16页 |
| ·Slope One 算法 | 第16-17页 |
| ·基于降维的推荐方法——奇异值分解 | 第17-18页 |
| ·考虑时间因素推荐方法 | 第18-22页 |
| ·基于时间的遗忘策略 | 第19页 |
| ·基于时间的遗忘函数 | 第19-20页 |
| ·时间感知的推荐方法 | 第20-22页 |
| 第三章 推荐系统的评价 | 第22-26页 |
| ·评测数据集 | 第22-24页 |
| ·MovieLens 数据集 | 第22-23页 |
| ·EachMovie 数据集 | 第23页 |
| ·Jester 数据集 | 第23页 |
| ·Book-Crossing 数据集 | 第23-24页 |
| ·性能评价标准 | 第24-26页 |
| ·平均绝对误差 | 第24页 |
| ·均方根误差 | 第24页 |
| ·命中率 | 第24-25页 |
| ·认同度 | 第25-26页 |
| 第四章 基于自然遗忘的协同过滤算法 | 第26-31页 |
| ·相似度计算方法 | 第26-27页 |
| ·皮尔森相关系数 | 第26-27页 |
| ·余弦相似度 | 第27页 |
| ·艾宾浩斯遗忘曲线 | 第27-29页 |
| ·艾宾浩斯遗忘规律曲线的描述 | 第27-28页 |
| ·艾宾浩斯遗忘函数 | 第28-29页 |
| ·改进的相似度测量函数 | 第29-30页 |
| ·改进的自然遗忘函数 | 第29页 |
| ·新的相似度计算方法 | 第29-30页 |
| ·预测方法 | 第30-31页 |
| 第五章 实验设计与结果分析 | 第31-35页 |
| ·评价方法 | 第31-32页 |
| ·实验设计 | 第32页 |
| ·实验结果分析 | 第32-35页 |
| ·改变近邻数量的比较实验 | 第33-34页 |
| ·设定相似度阈值的比较实验 | 第34-35页 |
| 结论与展望 | 第35-36页 |
| 参考文献 | 第36-38页 |
| 致谢 | 第38-39页 |
| 在学期间公开发表论文及著作情况 | 第39页 |
