基于BP神经网络的协同过滤推荐算法的研究与应用
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 论文架构安排 | 第11-13页 |
| 2 关键算法的基础理论与分析 | 第13-28页 |
| 2.1 推荐技术的简介 | 第13-14页 |
| 2.2 协同过滤推荐算法 | 第14-24页 |
| 2.2.1 协同过滤推荐算法的分类 | 第14-18页 |
| 2.2.2 实现协同过滤算法的过程 | 第18-21页 |
| 2.2.3 算法评价标准 | 第21-22页 |
| 2.2.4 传统的协同过滤算法面临的问题 | 第22-23页 |
| 2.2.5 目前针对算法缺陷的改进 | 第23-24页 |
| 2.3 BP神经网络简介 | 第24-27页 |
| 2.3.1 BP神经网络模型介绍 | 第24-27页 |
| 2.3.2 BP神经网络的主要缺点 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 基于BP网络的协同过滤算法改进研究 | 第28-37页 |
| 3.1 算法问题的提出及改进思路 | 第28-29页 |
| 3.1.1 算法准确度问题引出改进办法 | 第28-29页 |
| 3.1.2 本文解决准确性的思路 | 第29页 |
| 3.2 邻居筛选模块 | 第29-33页 |
| 3.2.1 改进的余弦相似性相关系数法 | 第29页 |
| 3.2.2 引入用户自身特征值 | 第29-31页 |
| 3.2.3 项目优先集 | 第31-33页 |
| 3.3 预测评分模块 | 第33-35页 |
| 3.3.1 BP神经网络的不足 | 第33页 |
| 3.3.2 BP神经网络模型改进方案 | 第33-35页 |
| 3.4 CUPSN-CF算法 | 第35-36页 |
| 3.4.1 算法描述 | 第35-36页 |
| 3.4.2 算法实现流程图 | 第36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 算法在智慧社区系统中的应用实现 | 第37-59页 |
| 4.1 系统总体设计 | 第37-39页 |
| 4.1.1 系统体系结构 | 第37-38页 |
| 4.1.2 系统技术架构 | 第38-39页 |
| 4.2 功能设计模块 | 第39-46页 |
| 4.2.1 账户体系设计 | 第39-41页 |
| 4.2.2 资讯管理设计 | 第41-43页 |
| 4.2.3 物业管理设计 | 第43-44页 |
| 4.2.4 社区O2O模块 | 第44-46页 |
| 4.3 系统功能模块的实现 | 第46-49页 |
| 4.3.1 账户体系管理的实现 | 第46-47页 |
| 4.3.2 资讯管理的实现 | 第47页 |
| 4.3.3 物业管理的实现 | 第47-48页 |
| 4.3.4 网上商城实现 | 第48-49页 |
| 4.4 系统测试及结果分析 | 第49-58页 |
| 4.4.1 实验准备 | 第49-50页 |
| 4.4.2 实验步骤与结论 | 第50-58页 |
| 4.5 本章小结 | 第58-59页 |
| 5 总结与展望 | 第59-61页 |
| 5.1 本文工作总结 | 第59-60页 |
| 5.2 进一步工作展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录1 攻读硕士学位期间参与的项目和发表的论文 | 第65页 |
