基于对象特征分析的个性化推荐系统的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-19页 |
| 第2章 相关理论与技术 | 第19-31页 |
| 2.1 推荐系统原理 | 第19-20页 |
| 2.2 个性化推荐技术 | 第20-22页 |
| 2.2.1 基于关联规则的推荐 | 第20-21页 |
| 2.2.2 基于用户统计的推荐 | 第21页 |
| 2.2.3 基于内容的推荐 | 第21-22页 |
| 2.2.4 混合推荐 | 第22页 |
| 2.3 协同过滤推荐算法 | 第22-25页 |
| 2.3.1 传统协同过滤算法原理 | 第22-23页 |
| 2.3.2 基于用户的协同过滤推荐算法 | 第23-24页 |
| 2.3.3 基于项目的协同过滤推荐算法 | 第24页 |
| 2.3.4 相似度计算方法总结 | 第24-25页 |
| 2.4 文本语言处理基础 | 第25-28页 |
| 2.4.1 句法分析 | 第26页 |
| 2.4.2 分词处理 | 第26-28页 |
| 2.4.3 中文分词技术 | 第28页 |
| 2.5 本章小结 | 第28-31页 |
| 第3章 多维度用户相似度计算方法 | 第31-39页 |
| 3.1 多维度用户特征分析 | 第31-32页 |
| 3.2 关联关系的概述 | 第32-33页 |
| 3.2.1 关联关系网络 | 第32页 |
| 3.2.2 关联关系的传递 | 第32-33页 |
| 3.3 利用多维度分析的相似度求解方法 | 第33-34页 |
| 3.4 算法具体步骤 | 第34-36页 |
| 3.4.1 物品特征向量 | 第34-35页 |
| 3.4.2 用户偏好向量 | 第35页 |
| 3.4.3 基于多维特征的相似度计算 | 第35-36页 |
| 3.4.4 构建最近邻居聚类 | 第36页 |
| 3.5 本章小结 | 第36-39页 |
| 第4章 基于对象特征偏好分析的混合推荐算法 | 第39-47页 |
| 4.1 算法概要设计 | 第39-40页 |
| 4.1.1 整体框架和步骤 | 第39-40页 |
| 4.1.2 相关数据 | 第40页 |
| 4.2 评论数据初步处理 | 第40-42页 |
| 4.2.1 分句处理 | 第41页 |
| 4.2.2 句法分析处理 | 第41-42页 |
| 4.2.3 分词处理 | 第42页 |
| 4.3 特征词归纳与量化 | 第42-43页 |
| 4.4 基于相似聚类的推荐 | 第43-45页 |
| 4.4.1 通过聚类计算用户相似度 | 第43-44页 |
| 4.4.2 产生推荐内容 | 第44-45页 |
| 4.5 本章小结 | 第45-47页 |
| 第5章 实验与结果分析 | 第47-57页 |
| 5.1 实验设计 | 第47-50页 |
| 5.1.1 总体设计 | 第47页 |
| 5.1.2 模块架构设计 | 第47-49页 |
| 5.1.3 数据库设计 | 第49-50页 |
| 5.2 实验环境与数据 | 第50页 |
| 5.3 实验结果分析 | 第50-54页 |
| 5.3.1 算法评价标准 | 第51页 |
| 5.3.2 实验结果分析 | 第51-54页 |
| 5.4 本章小结 | 第54-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间所取得的研究成果 | 第63-65页 |
| 致谢 | 第65页 |
