首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于聚类的加权Slope One算法研究

摘要第4-5页
Abstract第5-6页
第一章 绪论第10-15页
    1.1 课题研究的背景与意义第10-12页
        1.1.1 研究的背景第10-11页
        1.1.2 研究的意义第11-12页
    1.2 国内外研究现状第12-13页
        1.2.1 国内研究状况第12页
        1.2.2 国外研究状况第12-13页
    1.3 论文研究的内容第13-14页
    1.4 论文组织架构第14-15页
第二章 RS相关理论与算法介绍第15-29页
    2.1 协同过滤推荐算法概述第15-17页
        2.1.1 收集用户评价第16页
        2.1.2 评分预测第16-17页
        2.1.3 产生推荐第17页
    2.2 协同过滤推荐算法分类第17-22页
        2.2.1 基于内存的协同过滤推荐第17-21页
        2.2.2 基于模型的CF算法第21-22页
    2.3 协同过滤推荐算法难点第22-23页
        2.3.1 冷启动第22页
        2.3.2 稀疏性第22-23页
        2.3.3 可扩展性第23页
    2.4 Slope One算法第23-26页
        2.4.1 Slope One算法简介第23-24页
        2.4.2 双极Slope One算法第24-25页
        2.4.3 加权Slope One算法第25页
        2.4.4 Slope One算法优点第25-26页
        2.4.5 Slope One算法改进策略第26页
    2.5 算法性能评价指标第26-28页
        2.5.1 平均绝对误差第27页
        2.5.2 准确率和召回率第27-28页
        2.5.3 其他指标第28页
    2.6 本章小结第28-29页
第三章 基于聚类的用户加权Slope One算法第29-41页
    3.1 引言第29-30页
    3.2 奇异值分解第30-31页
        3.2.1 奇异值分解算法概述第30-31页
        3.2.2 SVD的解释与标注第31页
    3.3 K-Means聚类算法第31-35页
        3.3.1 k-means算法描述第32-34页
        3.3.2 k-means的优缺点第34页
        3.3.3 一些改进的K-means算法第34-35页
    3.4 评分矩阵预处理第35页
    3.5 用户聚类划分第35-37页
    3.6 改进的加权Slope One算法第37-39页
        3.6.1 改进项目偏差计算第37-38页
        3.6.2 评分预测第38页
        3.6.3 算法描述第38-39页
    3.7 本章小结第39-41页
第四章 基于聚类的项目加权Slope One算法第41-52页
    4.1 引言第41-42页
    4.2 项目聚类第42-46页
        4.2.1 层次聚类第42-43页
        4.2.2 划分聚类第43-44页
        4.2.3 项目分类第44-46页
    4.3 时间权重第46-48页
    4.4 改进的加权Slope One算法第48-51页
        4.4.1 项目间平均偏差计算第48页
        4.4.2 项目相似度计算第48-49页
        4.4.3 评分预测第49-50页
        4.4.4 算法描述第50-51页
    4.5 本章小结第51-52页
第五章 实验结果与分析第52-63页
    5.1 实验环境配置第52页
    5.2 实验评估标准第52-53页
    5.3 实验数据集第53-56页
    5.4 基于聚类的用户加权Slope One算法第56-59页
        5.4.1 矩阵维数的测定第56-57页
        5.4.2 聚类数量的测定第57-58页
        5.4.3 各种算法的比较第58-59页
    5.5 基于聚类的项目加权Slope One算法第59-62页
        5.5.1 时间权重因子的测定第59-60页
        5.5.2 聚类数量的测定第60-61页
        5.5.3 各种算法的对比第61-62页
    5.6 本章小结第62-63页
第六章 总结与展望第63-65页
    6.1 工作总结第63-64页
    6.2 工作展望第64-65页
参考文献第65-69页
致谢第69-70页
攻读硕士期间的学术成果第70页

论文共70页,点击 下载论文
上一篇:基于图像的人体特征提取和测量
下一篇:大数据环境下关联规则挖掘算法及其应用研究