基于聚类和矩阵分解的推荐算法的研究与改进
| 摘要 | 第2-3页 |
| abstract | 第3页 |
| 第一章 绪论 | 第6-11页 |
| 1.1 推荐系统的研究背景及意义 | 第6-7页 |
| 1.1.1 研究背景 | 第6-7页 |
| 1.1.2 研究意义 | 第7页 |
| 1.2 国内外研究现状 | 第7-10页 |
| 1.3 本文的研究内容和结构 | 第10-11页 |
| 1.3.1 研究内容 | 第10页 |
| 1.3.2 论文结构 | 第10-11页 |
| 第二章 推荐算法概述 | 第11-23页 |
| 2.1 推荐系统定义 | 第11-12页 |
| 2.2 推荐算法分类 | 第12-20页 |
| 2.2.1 基于内容的推荐 | 第12-13页 |
| 2.2.2 基于协同过滤的推荐 | 第13-19页 |
| 2.2.3 组合推荐方式 | 第19-20页 |
| 2.3 推荐算法的主要问题 | 第20-23页 |
| 第三章 基于用户和项目双重聚类的推荐算法 | 第23-36页 |
| 3.1 聚类算法概述 | 第23-24页 |
| 3.2 基于用户和项目双重聚类的推荐算法 | 第24-30页 |
| 3.2.1 建立评分矩阵 | 第24-25页 |
| 3.2.2 双重聚类 | 第25-26页 |
| 3.2.3 改进的相似度计算方法 | 第26-27页 |
| 3.2.4 基于时间信息的相似度 | 第27-28页 |
| 3.2.5 计算预测评分 | 第28-29页 |
| 3.2.6 综合推荐 | 第29页 |
| 3.2.7 算法整体流程 | 第29-30页 |
| 3.3 仿真实验及结果分析 | 第30-36页 |
| 3.3.1 数据集 | 第30-31页 |
| 3.3.2 评价标准 | 第31页 |
| 3.3.3 实验方案设计 | 第31页 |
| 3.3.4 参数实验及结果分析 | 第31-34页 |
| 3.3.5 对比实验及结果分析 | 第34-36页 |
| 第四章 基于用户和项目相似度的矩阵分解算法 | 第36-54页 |
| 4.1 矩阵分解基本算法 | 第36-42页 |
| 4.1.1 奇异值分解 | 第36-37页 |
| 4.1.2 规范化矩阵分解 | 第37-39页 |
| 4.1.3 偏差矩阵分解 | 第39-41页 |
| 4.1.4 矩阵分解的优缺点 | 第41-42页 |
| 4.2 基于用户和项目相似度的矩阵分解 | 第42-45页 |
| 4.2.1 基于用户相似度的矩阵分解 | 第42-43页 |
| 4.2.2 基于项目相似度的矩阵分解 | 第43-45页 |
| 4.3 预测评分处理 | 第45-48页 |
| 4.3.1 预测评分映射处理 | 第45-46页 |
| 4.3.2 预测评分取整算法 | 第46-48页 |
| 4.4 仿真实验及结果分析 | 第48-54页 |
| 4.3.1 参数实验及结果分析 | 第48-50页 |
| 4.3.2 对比实验及结果分析 | 第50-54页 |
| 第五章 总结与展望 | 第54-55页 |
| 5.1 工作总结 | 第54页 |
| 5.2 工作展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读学位期间的研究成果 | 第59-60页 |
| 致谢 | 第60-61页 |
