两种个性化推荐算法的研究及应用
| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-9页 |
| ·研究背景 | 第7-8页 |
| ·本文工作 | 第8-9页 |
| 第二章 个性化推荐系统 | 第9-17页 |
| ·个性化推荐系统简介 | 第9-10页 |
| ·个性化推荐系统工作流程 | 第10-13页 |
| ·获取评价信息 | 第11页 |
| ·评价信息预处理 | 第11-13页 |
| ·个性化推荐 | 第13页 |
| ·推荐可视化 | 第13页 |
| ·反馈处理 | 第13页 |
| ·个性化推荐技术 | 第13-17页 |
| ·协同过滤推荐 | 第14页 |
| ·基于内容的推荐 | 第14-15页 |
| ·基于关联规则的推荐 | 第15-16页 |
| ·基于Bayesian 网络技术的推荐 | 第16页 |
| ·基于Horting 图技术的推荐 | 第16-17页 |
| 第三章 基于两阶段计数的关联规则推荐算法 | 第17-32页 |
| ·基于关联规则的推荐技术 | 第17-18页 |
| ·基于两阶段计数的关联规则推荐 | 第18-21页 |
| ·基于两阶段计数的用户关联挖掘 | 第18-19页 |
| ·基于垂直数据分布的关联规则发现 | 第19-21页 |
| ·推荐算法的实现 | 第21-30页 |
| ·划分评价表 | 第22-23页 |
| ·生成关联规则 | 第23-27页 |
| ·计算关联规则的可信度 | 第27-28页 |
| ·计算相关资源的推荐度 | 第28-30页 |
| ·推荐算法的性能分析 | 第30-32页 |
| 第四章 结合似然关系模型的协同过滤推荐算法 | 第32-50页 |
| ·协同过滤推荐技术 | 第32-33页 |
| ·基于似然关系模型的推荐技术 | 第33-34页 |
| ·结合似然关系模型的协同过滤推荐 | 第34-36页 |
| ·改进的协同过滤推荐 | 第34-35页 |
| ·结合似然关系模型的协同过滤推荐 | 第35-36页 |
| ·推荐算法的实现 | 第36-44页 |
| ·通过用户等级获得候选推荐项目集 | 第37-40页 |
| ·通过似然关系模型获得候选推荐项目集 | 第40-41页 |
| ·计算候选推荐项目的预测评分 | 第41-44页 |
| ·推荐算法的性能分析 | 第44-50页 |
| ·本算法的性能分析 | 第44-47页 |
| ·两种推荐算法的性能比较 | 第47-50页 |
| 第五章 两种个性化推荐算法在NERMS 中的应用 | 第50-58页 |
| ·系统的体系结构 | 第50-51页 |
| ·系统的数据结构 | 第51-55页 |
| ·推荐的工作流程 | 第55-58页 |
| ·获取评价信息 | 第55页 |
| ·评价信息预处理 | 第55-56页 |
| ·个性化推荐 | 第56页 |
| ·推荐可视化 | 第56-57页 |
| ·运行时机的选择 | 第57-58页 |
| 第六章 总结 | 第58-59页 |
| ·工作总结 | 第58页 |
| ·工作展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 摘要 | 第62-65页 |
| Abstract | 第65-69页 |
| 致谢 | 第69页 |
