基于双聚类模型的协同过滤推荐引擎研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-16页 |
| ·研究背景与意义 | 第10-11页 |
| ·研究现状 | 第11-13页 |
| ·推荐引擎研究现状 | 第11-12页 |
| ·协同过滤研究现状 | 第12页 |
| ·双聚类研究现状 | 第12-13页 |
| ·论文主要内容和结构 | 第13-16页 |
| ·论文的主要工作 | 第13-14页 |
| ·论文的组织结构 | 第14-16页 |
| 2 相关技术研究 | 第16-30页 |
| ·协同过滤推荐技术 | 第16-19页 |
| ·基于记忆的协同过滤 | 第16-18页 |
| ·基于模型的协同过滤 | 第18-19页 |
| ·协同过滤推荐技术评估指标 | 第19页 |
| ·双聚类 | 第19-24页 |
| ·基本概念 | 第19-20页 |
| ·双聚类的类型 | 第20-23页 |
| ·双聚类的结构 | 第23页 |
| ·双聚类的计算分类 | 第23-24页 |
| ·多目标优化问题 | 第24-27页 |
| ·基本概念 | 第25-26页 |
| ·常用多目标优化算法 | 第26-27页 |
| ·多目标进化双聚类 | 第27-28页 |
| ·多目标进化双聚类的研究现状 | 第27页 |
| ·多目标进化双聚类算法的基本框架 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 3 基于双聚类模型的协同过滤推荐算法 | 第30-48页 |
| ·基于用户聚类的协同过滤推荐算法 | 第30-31页 |
| ·求解双聚类问题的基础 | 第31-33页 |
| ·双聚类的编码方案 | 第31-33页 |
| ·适应度函数 | 第33页 |
| ·双聚类模型的协同过滤推荐算法 | 第33-40页 |
| ·数据预处理 | 第34-35页 |
| ·多目标进化双聚类 | 第35-38页 |
| ·搜索最近邻居集 | 第38-39页 |
| ·预测评分 | 第39-40页 |
| ·TOP-N推荐 | 第40页 |
| ·推荐算法评价指标 | 第40-42页 |
| ·预测准确度指标 | 第40-41页 |
| ·分类准确度指标 | 第41-42页 |
| ·实验分析 | 第42-45页 |
| ·实验数据集 | 第42页 |
| ·实验方案 | 第42-43页 |
| ·算法的参数设置 | 第43页 |
| ·邻居个数的选取 | 第43-45页 |
| ·实验结果 | 第45页 |
| ·与其他协同过滤算法比较分析 | 第45-47页 |
| ·准确度对比分析 | 第45-46页 |
| ·时间对比分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 4 基于双聚类的协同过滤推荐引擎设计 | 第48-62页 |
| ·推荐系统分析与设计 | 第48-53页 |
| ·系统设计需要考虑的因素 | 第48-49页 |
| ·推荐系统架构分析 | 第49-52页 |
| ·推荐系统及外围结构设计 | 第52-53页 |
| ·双聚类协同过滤推荐引擎设计 | 第53-58页 |
| ·用户数据采集 | 第54-55页 |
| ·数据预处理 | 第55-56页 |
| ·用户模型表示 | 第56页 |
| ·建立用户模型 | 第56-57页 |
| ·推荐模块 | 第57-58页 |
| ·推荐引擎原型实现 | 第58-60页 |
| ·本章小结 | 第60-62页 |
| 5 总结和展望 | 第62-64页 |
| ·工作总结 | 第62-63页 |
| ·工作展望 | 第63-64页 |
| 参考文献 | 第64-72页 |
| 附录 攻读学位期间的主要学术成果 | 第72-74页 |
| 致谢 | 第74页 |
