上下文感知推荐系统的研究与应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-13页 |
| ·研究背景与研究意义 | 第10-11页 |
| ·论文的主要工作及创新点 | 第11-12页 |
| ·论文的组织结构 | 第12-13页 |
| 第二章 个性化推荐系统 | 第13-22页 |
| ·个性化推荐的概念及基本原理 | 第13-14页 |
| ·常用的个性化推荐算法 | 第14-20页 |
| ·协同过滤推荐算法 | 第15-18页 |
| ·基于内容的推荐 | 第18-19页 |
| ·基于规则的推荐 | 第19-20页 |
| ·混合推荐 | 第20页 |
| ·推荐系统评测 | 第20-21页 |
| ·小结 | 第21-22页 |
| 第三章 上下文感知推荐系统及其关键技术 | 第22-32页 |
| ·上下文感知推荐的提出及定义 | 第22-23页 |
| ·上下文信息的处理 | 第23-26页 |
| ·上下文的定义及表示 | 第23-24页 |
| ·有效上下文的选择 | 第24-25页 |
| ·上下文信息的采集 | 第25页 |
| ·上下文信息的泛化 | 第25-26页 |
| ·用户兴趣获取 | 第26-28页 |
| ·上下文感知推荐算法研究概述 | 第28-31页 |
| ·小结 | 第31-32页 |
| 第四章 上下文感知推荐算法研究 | 第32-49页 |
| ·基于用户分解的上下文感知推荐算法 | 第32-39页 |
| ·研究背景 | 第32-33页 |
| ·算法详细描述 | 第33-35页 |
| ·用户分解过程 | 第35-37页 |
| ·上下文缺失的情况 | 第37-38页 |
| ·算法复杂性分析及优化方式 | 第38-39页 |
| ·结合上下文相似度的协同过滤推荐算法 | 第39-47页 |
| ·研究背景 | 第39-41页 |
| ·传统协同过滤算法的不足 | 第41页 |
| ·算法详细描述 | 第41-43页 |
| ·上下文相似度的计算 | 第43-46页 |
| ·上下文缺失的情况 | 第46页 |
| ·算法复杂性分析及优化方式 | 第46-47页 |
| ·两种上下文感知推荐算法的对比 | 第47-48页 |
| ·小结 | 第48-49页 |
| 第五章 上下文感知推荐算法实验及分析 | 第49-60页 |
| ·实验数据集 | 第49-52页 |
| ·LDOS-CoMoDa 数据集 | 第49-51页 |
| ·Yahoo WebScope 数据集 | 第51-52页 |
| ·评测指标 | 第52-53页 |
| ·实验及分析 | 第53-59页 |
| ·用户分解推荐算法实验分析 | 第53-57页 |
| ·结合上下文相似度的算法实验分析 | 第57-58页 |
| ·各算法对比分析 | 第58-59页 |
| ·小结 | 第59-60页 |
| 第六章 上下文感知推荐系统的设计与实现 | 第60-75页 |
| ·上下文感知推荐系统的应用场景 | 第60-61页 |
| ·项目背景及推荐需求 | 第61-63页 |
| ·项目背景 | 第61-62页 |
| ·推荐系统的需求 | 第62-63页 |
| ·系统设计与实现 | 第63-74页 |
| ·系统总体架构 | 第63-65页 |
| ·用户兴趣的获取 | 第65-68页 |
| ·上下文信息的处理 | 第68-72页 |
| ·冷启动问题 | 第72-73页 |
| ·系统运行效果 | 第73-74页 |
| ·小结 | 第74-75页 |
| 总结与展望 | 第75-77页 |
| 参考文献 | 第77-82页 |
| 攻读硕士学位期间取得的研究成果 | 第82-83页 |
| 致谢 | 第83-84页 |
| 附件 | 第84页 |
