基于项目相似性的冷启动用户推荐算法
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题背景 | 第9-10页 |
| ·国内外研究现状及挑战 | 第10-13页 |
| ·本文的研究内容 | 第13页 |
| ·论文的结构安排 | 第13-15页 |
| 第2章 协同过滤推荐系统概述 | 第15-27页 |
| ·基于内存的协同过滤推荐系统 | 第15-20页 |
| ·基于邻居的协同过滤推荐算法 | 第15-19页 |
| ·Top-n 协同过滤推荐算法 | 第19-20页 |
| ·基于内存的协同过滤推荐算法的扩展 | 第20页 |
| ·基于模型的协同过滤推荐算法 | 第20-25页 |
| ·贝叶斯信任网络协同过滤算法 | 第21-22页 |
| ·基于聚类的协同过滤推荐算法 | 第22-23页 |
| ·基于回归的协同过滤推荐算法 | 第23-24页 |
| ·基于 MDP 的协同过滤推荐算法 | 第24-25页 |
| ·混合的协同过滤推荐算法 | 第25-26页 |
| ·混合协同过滤和内容特征的推荐算法 | 第25页 |
| ·将协同过滤与其它推荐算法相结合混合推荐系统 | 第25-26页 |
| ·结合协同过滤算法的混合推荐算法 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第3章 两阶段项目相似性算法 | 第27-33页 |
| ·引言 | 第27页 |
| ·两阶段项目相似性算法(TISA) | 第27-32页 |
| ·两阶段项目相似性算法的提出思路 | 第27-28页 |
| ·相关定义及计算公式 | 第28-29页 |
| ·两阶段项目相似性算法的实现 | 第29-31页 |
| ·两阶段项目相似性算法的结果图 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 改进的预测评分算法 | 第33-39页 |
| ·引言 | 第33页 |
| ·改进的预测评分算法(IPRA) | 第33-38页 |
| ·改进的预测评分算法的提出思路 | 第33-34页 |
| ·预测评分 | 第34页 |
| ·平均评分偏差 | 第34-36页 |
| ·改进的预测评分算法(IPRA) | 第36页 |
| ·改进的预测评分算法的伪代码 | 第36-38页 |
| ·算法的整体过程 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第5章 实验结果与分析 | 第39-47页 |
| ·全文的整体框架 | 第39-40页 |
| ·实验数据及实验环境 | 第40页 |
| ·实验数据集 | 第40页 |
| ·实验环境 | 第40页 |
| ·算法评价指标介绍 | 第40-42页 |
| ·实验设计及结果分析 | 第42-46页 |
| ·实验方案设计 | 第42-43页 |
| ·实验参数确定 | 第43页 |
| ·MAE 对比结果 | 第43-44页 |
| ·RMSE 对比结果 | 第44-45页 |
| ·Precision 对比结果 | 第45-46页 |
| ·实验结果分析 | 第46页 |
| ·本章小结 | 第46-47页 |
| 结论 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第53-54页 |
| 致谢 | 第54-55页 |
| 作者简介 | 第55页 |
