分布式协同过滤推荐算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·分布式推荐系统的研究现状 | 第11-13页 |
| ·现有分布式推荐系统中存在的问题及研究热点 | 第13-14页 |
| ·本文的主要研究内容 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| 第2章 分布式协同过滤推荐算法及其相关理论 | 第16-26页 |
| ·协同过滤推荐技术的简单描述 | 第16-18页 |
| ·协同过滤推荐算法的分类 | 第18-22页 |
| ·基于内存的协同过滤推荐算法 | 第19-21页 |
| ·基于模型的协同过滤推荐算法 | 第21-22页 |
| ·协同过滤推荐算法的优缺点 | 第22-23页 |
| ·分布式协同过滤推荐算法 | 第23-24页 |
| ·对等网络计算环境 | 第23-24页 |
| ·分布式协同过滤推荐算法的新特点 | 第24页 |
| ·本章小结 | 第24-26页 |
| 第3章 基于DHT 的分布式协同过滤推荐算法 | 第26-41页 |
| ·目前算法中搜索和定位邻居的不足 | 第26-27页 |
| ·用户相似邻居定位策略 | 第27-31页 |
| ·用户信息的映射及分布 | 第27-29页 |
| ·用户相似邻居定位过程 | 第29-31页 |
| ·用户相似度计算 | 第31-36页 |
| ·用户相似度计算公式 | 第31-33页 |
| ·相似度计算结果比较 | 第33-36页 |
| ·分布式协同过滤推荐算法DCFKQ | 第36-40页 |
| ·算法描述 | 第37-39页 |
| ·算法性能分析 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 面向分布式推荐的用户邻居更新算法 | 第41-50页 |
| ·目前用户邻居更新算法的不足 | 第41-42页 |
| ·用户最近邻居更新策略 | 第42-47页 |
| ·用户信息数据的分布 | 第42-43页 |
| ·用户兴趣域向量的生成 | 第43-44页 |
| ·用户最近邻居集合更新过程 | 第44-47页 |
| ·用户最近邻居集合更新算法 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 算法的实验与评价 | 第50-63页 |
| ·实验数据来源及实验环境 | 第50-51页 |
| ·实验评价标准 | 第51页 |
| ·分布式协同过滤推荐算法的验证 | 第51-58页 |
| ·分布式协同过滤推荐算法的实验方案 | 第51-53页 |
| ·分布式协同过滤推荐算法的实验过程 | 第53-55页 |
| ·实验结果及分析 | 第55-58页 |
| ·用户最近邻居更新算法的验证 | 第58-62页 |
| ·用户最近邻居更新算法的实验方案 | 第58-59页 |
| ·用户最近邻居更新算法的实验过程 | 第59-60页 |
| ·实验结果及分析 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 作者简介 | 第72页 |
