基于主客观相似性度量的协同过滤算法研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·电子商务推荐系统的研究背景 | 第8-9页 |
| ·电子商务推荐系统的研究现状 | 第9-10页 |
| ·本文的主要研究内容 | 第10页 |
| ·本文的组织结构 | 第10-12页 |
| 2 电子商务个性化推荐系统 | 第12-19页 |
| ·电子商务个性化推荐系统概述 | 第12-13页 |
| ·个性化推荐技术 | 第13-18页 |
| ·本章小结 | 第18-19页 |
| 3 协同过滤推荐 | 第19-38页 |
| ·协同过滤的基本原理 | 第19-20页 |
| ·协同过滤推荐中的基本步骤和算法 | 第20-23页 |
| ·用户-项目评分矩阵 | 第20-21页 |
| ·皮尔森相关系数法 | 第21页 |
| ·余弦相似性算法 | 第21-22页 |
| ·修正的余弦相似性算法 | 第22页 |
| ·预测推荐公式 | 第22-23页 |
| ·协同过滤的实现方式 | 第23-30页 |
| ·基于用户的协同过滤推荐 | 第23-27页 |
| ·基于项目的协同过滤 | 第27-29页 |
| ·基于模型的协同过滤推荐 | 第29-30页 |
| ·三种协同过滤推荐实现算法的分析 | 第30-32页 |
| ·User-based 协同过滤推荐的分析 | 第30-31页 |
| ·Item-based 协同过滤推荐分析 | 第31页 |
| ·基于模型的协同过滤推荐分析 | 第31-32页 |
| ·常用的用于改进协同过滤推荐的方法 | 第32-37页 |
| ·聚类分析算法 | 第32页 |
| ·SVD 降维 | 第32-33页 |
| ·特征加权 | 第33-34页 |
| ·用户筛选 | 第34-35页 |
| ·数据填充 | 第35-36页 |
| ·贝叶斯算法 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 4 基于项目的主客观修正结合协同过滤算法 | 第38-46页 |
| ·问题描述 | 第38页 |
| ·传统的基于项目的协同过滤算法的推荐流程 | 第38-41页 |
| ·建立用户-项目评分矩阵 | 第39页 |
| ·获得目标用户的邻居用户列表 | 第39页 |
| ·预测评分 | 第39页 |
| ·传统的协同过滤算法的推荐结构流程图 | 第39-41页 |
| ·主客观相似度算法描述 | 第41-45页 |
| ·相关定义 | 第41-43页 |
| ·新算法的结构表示 | 第43-44页 |
| ·新算法的实现过程描述 | 第44-45页 |
| ·新算法的特点分析 | 第45页 |
| ·本章小结 | 第45-46页 |
| 5 实验分析 | 第46-52页 |
| ·数据集 | 第46页 |
| ·评估指标 | 第46页 |
| ·实验结果及分析 | 第46-51页 |
| ·实验结论 | 第51页 |
| ·本章小结 | 第51-52页 |
| 6 总结与展望 | 第52-54页 |
| ·本文工作总结 | 第52页 |
| ·进一步的工作与展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 作者在攻读学位期间发表的论文目录 | 第59页 |
