基于协同过滤算法的个性化推荐应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 个性化推荐的研究现状 | 第10-11页 |
| 1.2.2 协同过滤的研究现状 | 第11-12页 |
| 1.2.3 面临的主要问题和挑战 | 第12-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 论文组织架构 | 第14-15页 |
| 第2章 个性化推荐系统概述及相关技术 | 第15-35页 |
| 2.1 个性化推荐系统定义 | 第15-16页 |
| 2.2 个性化推荐系统分类 | 第16-17页 |
| 2.3 推荐系统的框架和工作流程 | 第17-19页 |
| 2.4 个性化推荐算法及其比较 | 第19-23页 |
| 2.4.1 个性化推荐算法 | 第19-23页 |
| 2.4.2 个性化推荐算法的比较 | 第23页 |
| 2.5 个性化推荐系统的不足 | 第23-24页 |
| 2.6 协同过滤推荐算法 | 第24-33页 |
| 2.6.1 基于内存的协同过滤算法 | 第24-28页 |
| 2.6.2 基于聚类的协同过滤算法 | 第28-31页 |
| 2.6.3 推荐算法常用数据集 | 第31-32页 |
| 2.6.4 推荐算法评价标准 | 第32-33页 |
| 2.7 本章小结 | 第33-35页 |
| 第3章 隐语义模型研究及分析 | 第35-43页 |
| 3.1 奇异值分解算法 | 第35-37页 |
| 3.2 隐含语义模型LFM | 第37-42页 |
| 3.2.1 基于隐语义模型的推荐 | 第39-40页 |
| 3.2.2 实验与分析 | 第40-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第4章 融合隐语义模型改进的协同过滤 | 第43-47页 |
| 4.1 改进的k-means聚类 | 第43-44页 |
| 4.2 基于隐语义模型的聚类 | 第44-45页 |
| 4.3 预测评分推荐 | 第45页 |
| 4.4 本章小结 | 第45-47页 |
| 第5章 算法试验与结果分析 | 第47-57页 |
| 5.1 实验环境及数据集 | 第47-48页 |
| 5.1.1 实验环境 | 第47页 |
| 5.1.2 试验数据集 | 第47-48页 |
| 5.2 评价指标 | 第48页 |
| 5.3 电影推荐系统实现 | 第48-52页 |
| 5.4 试验结果及分析 | 第52-55页 |
| 5.5 本章小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间所发表的论文 | 第63-65页 |
| 致谢 | 第65页 |
