融合信任关系的二重聚类推荐算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第12-17页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文所作的工作 | 第15页 |
| 1.4 本文章节安排 | 第15-17页 |
| 2 推荐系统概述 | 第17-31页 |
| 2.1 推荐系统概述 | 第17-18页 |
| 2.2 传统的推荐系统 | 第18-26页 |
| 2.2.1 基于内容的推荐系统 | 第18-20页 |
| 2.2.2 基于用户的协同过滤 | 第20-23页 |
| 2.2.3 基于项目的协同过滤 | 第23-25页 |
| 2.2.4 UCF和ICF的综合比较 | 第25-26页 |
| 2.2.5 协同过滤推荐算法存在的问题 | 第26页 |
| 2.3 聚类分析 | 第26-30页 |
| 2.3.1 聚类算法综述 | 第26-27页 |
| 2.3.2 聚类算法的分类 | 第27-28页 |
| 2.3.3 经典的基于划分的聚类算法 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 融合信任关系的二重聚类推荐算法 | 第31-54页 |
| 3.1 引言 | 第31-32页 |
| 3.2 信任关系模型 | 第32-35页 |
| 3.2.1 信任度模型 | 第32-33页 |
| 3.2.2 相关定义与说明 | 第33-35页 |
| 3.3 融合信任关系的用户聚类推荐算法 | 第35-40页 |
| 3.3.1 融合信任关系的用户聚类算法的流程 | 第35-36页 |
| 3.3.2 相似度的混合 | 第36-37页 |
| 3.3.3 用户聚类 | 第37-38页 |
| 3.3.4 最近邻居搜索 | 第38页 |
| 3.3.5 项目评分预测与推荐 | 第38页 |
| 3.3.6 问题分析 | 第38-40页 |
| 3.4 融合信任关系的二重聚类协同过滤算法 | 第40-52页 |
| 3.4.1 专家用户模型 | 第41-43页 |
| 3.4.2 用户项目级信任度 | 第43-44页 |
| 3.4.3 项目聚类 | 第44-46页 |
| 3.4.4 项目类相似度 | 第46-50页 |
| 3.4.5 相似度混合 | 第50-51页 |
| 3.4.6 用户聚类 | 第51-52页 |
| 3.4.7 用户邻居生成 | 第52页 |
| 3.4.8 评分预测 | 第52页 |
| 3.5 本章小结 | 第52-54页 |
| 4 实验设计与结果分析 | 第54-62页 |
| 4.1 实验环境与工具 | 第54页 |
| 4.2 实验所使用的数据集 | 第54-55页 |
| 4.3 实验的评测标准 | 第55-57页 |
| 4.4 实验结果的分析 | 第57-61页 |
| 4.5 本章小结 | 第61-62页 |
| 5 总结与展望 | 第62-63页 |
| 5.1 论文总结 | 第62页 |
| 5.2 工作展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 个人简介、在学期间发表的学术论文 | 第66-67页 |
| 致谢 | 第67页 |
