基于信任关系和兴趣变化的协同过滤算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文研究内容 | 第14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第2章 推荐系统及协同过滤算法 | 第16-23页 |
| 2.1 推荐系统结构 | 第16-17页 |
| 2.2 主要的推荐算法概述 | 第17-18页 |
| 2.2.1 基于内容的推荐算法 | 第17页 |
| 2.2.2 协同过滤推荐算法 | 第17页 |
| 2.2.3 融合时间因子的推荐算法 | 第17-18页 |
| 2.3 协同过滤算法分类 | 第18-19页 |
| 2.3.1 基于内存的协同过滤算法 | 第18-19页 |
| 2.3.2 基于模型的协同过滤算法 | 第19页 |
| 2.4 基于用户的协同过滤算法 | 第19-22页 |
| 2.4.1 基本流程 | 第19-20页 |
| 2.4.2 相似度度量方法 | 第20-21页 |
| 2.4.3 预测评分方法 | 第21-22页 |
| 2.5 准确性评估标准 | 第22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 基于信任关系的协同过滤算法 | 第23-31页 |
| 3.1 信任简述 | 第23-24页 |
| 3.2 传统基于信任关系的协同过滤算法 | 第24-26页 |
| 3.2.1 传统信任度计算模型 | 第24-25页 |
| 3.2.2 算法流程 | 第25-26页 |
| 3.3 改进的基于信任关系的协同过滤算法 | 第26-30页 |
| 3.3.1 改进的信任度计算模型 | 第26-29页 |
| 3.3.2 算法流程 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 基于信任关系与兴趣变化的协同过滤算法 | 第31-41页 |
| 4.1 用户兴趣变化简述 | 第31-32页 |
| 4.2 传统基于兴趣变化的协同过滤算法 | 第32-35页 |
| 4.2.1 时间衰减函数 | 第32-34页 |
| 4.2.2 TWCF算法流程 | 第34-35页 |
| 4.3 改进的基于兴趣变化的协同过滤算法 | 第35-38页 |
| 4.3.1 改进的时间衰减函数 | 第35-36页 |
| 4.3.2 ITWCF算法流程 | 第36-37页 |
| 4.3.3 ITWCF算法实现 | 第37-38页 |
| 4.4 混合信任关系与兴趣变化的协同过滤算法 | 第38-40页 |
| 4.4.1 算法模型 | 第38-39页 |
| 4.4.2 TRTUBCF算法步骤 | 第39页 |
| 4.4.3 TRTUBCF算法框架 | 第39-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第5章 实验结果及分析 | 第41-51页 |
| 5.1 实验数据集 | 第41-42页 |
| 5.1.1 MovieLens数据集 | 第41页 |
| 5.1.2 BookCrossing数据集 | 第41-42页 |
| 5.2 评价标准 | 第42页 |
| 5.3 实验结果与分析 | 第42-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第6章 总结与展望 | 第51-53页 |
| 6.1 本文工作总结 | 第51-52页 |
| 6.2 未来工作展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-60页 |
| 附录 | 第60-61页 |
| 详细摘要 | 第61-63页 |
