| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 推荐算法的测评指标 | 第15-16页 |
| 1.3.1 预测准确度 | 第15页 |
| 1.3.2 覆盖率 | 第15-16页 |
| 1.3.3 新颖性 | 第16页 |
| 1.4 本文的主要研究内容 | 第16-17页 |
| 1.5 论文的组织 | 第17-19页 |
| 第2章 协同过滤推荐技术 | 第19-31页 |
| 2.1 协同过滤概念和原理 | 第21-22页 |
| 2.2 协同过滤推荐技术的应用 | 第22-24页 |
| 2.3 经典的协同过滤推荐技术 | 第24-29页 |
| 2.3.1 隐语义模型 | 第24-26页 |
| 2.3.2 基于邻域推荐技术 | 第26-28页 |
| 2.3.3 混合推荐技术 | 第28-29页 |
| 2.4 协同过滤推荐技术存在的问题 | 第29-30页 |
| 2.4.1 准确性问题 | 第29页 |
| 2.4.2 冷启动问题 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 改进的k-means自组织映射协同过滤算法 | 第31-42页 |
| 3.1 设计动机 | 第31-32页 |
| 3.2 算法介绍 | 第32-35页 |
| 3.2.1 SOM算法 | 第32-33页 |
| 3.2.2 K-MEANS聚类算法 | 第33页 |
| 3.2.3 改进的K-means算法 | 第33-35页 |
| 3.3 SOM-IK算法 | 第35-36页 |
| 3.4 实验结果分析 | 第36-41页 |
| 3.4.1 用户分类标准 | 第36页 |
| 3.4.2 实验环境 | 第36-39页 |
| 3.4.3 实验分析 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 协同过滤算法的冷启动问题的改进算法 | 第42-53页 |
| 4.1 传统的协同过滤算法存在冷启动问题 | 第42-43页 |
| 4.2 关于冷启动问题的研究现状 | 第43-44页 |
| 4.3 DecRec算法 | 第44-47页 |
| 4.3.1 算法的前提假设 | 第44页 |
| 4.3.2 算法的理论基础 | 第44页 |
| 4.3.3 算法的描述 | 第44-47页 |
| 4.4 实验结果与分析 | 第47-51页 |
| 4.4.1 实验数据集 | 第47页 |
| 4.4.2 实验设置 | 第47-48页 |
| 4.4.3 结果与分析 | 第48-51页 |
| 4.5 本章小结 | 第51-53页 |
| 结论 | 第53-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61页 |