协同过滤算法中冷启动问题的研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 研究现状及难点问题 | 第10-12页 |
| 1.2.1 国内外研究现状 | 第10-11页 |
| 1.2.2 研究的难点问题 | 第11-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 2 个性化推荐系统及相关算法 | 第14-28页 |
| 2.1 个性化推荐系统概述 | 第14-17页 |
| 2.2 个性化推荐相关技术 | 第17-20页 |
| 2.2.1 基于关联规则的推荐 | 第17页 |
| 2.2.2 基于内容的推荐 | 第17-19页 |
| 2.2.3 基于知识的推荐 | 第19页 |
| 2.2.4 基于协同过滤的推荐 | 第19-20页 |
| 2.2.5 混合推荐 | 第20页 |
| 2.3 个性化推荐技术的比较 | 第20-21页 |
| 2.4 协同过滤推荐算法 | 第21-26页 |
| 2.4.1 协同过滤推荐算法分类 | 第21-22页 |
| 2.4.2 基于用户的协同过滤推荐算法 | 第22-25页 |
| 2.4.3 基于项目的协同过滤推荐算法 | 第25-26页 |
| 2.5 推荐系统的评估 | 第26-27页 |
| 2.5.1 预测准确性 | 第26页 |
| 2.5.2 分类准确性 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 3 融合用户特征的相似性计算方法 | 第28-33页 |
| 3.1 引言 | 第28页 |
| 3.2 冷启动问题 | 第28-29页 |
| 3.3 针对不同项目的用户间相似性改进方法 | 第29-30页 |
| 3.4 融合用户特征的相似性计算方法 | 第30-32页 |
| 3.4.1 用户特征描述 | 第30-31页 |
| 3.4.2 用户特征相似性计算 | 第31页 |
| 3.4.3 融合用户特征的相似性计算 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 4 结合项目语义与用户特征的协同过滤推荐算法 | 第33-40页 |
| 4.1 引言 | 第33页 |
| 4.2 针对不同用户的项目间相似性计算方法 | 第33-34页 |
| 4.3 项目语义的相似度计算方法 | 第34-36页 |
| 4.4 融合项目语义的项目间相似度计算方法 | 第36-37页 |
| 4.5 结合项目语义与用户特征的协同过滤推荐算法 | 第37-39页 |
| 4.5.1 问题分析 | 第37页 |
| 4.5.2 新算法描述 | 第37-39页 |
| 4.6 本章小结 | 第39-40页 |
| 5 实验设计及结果分析 | 第40-47页 |
| 5.1 实验数据集与环境 | 第40-41页 |
| 5.2 实验度量指标 | 第41页 |
| 5.3 实验方案 | 第41-42页 |
| 5.4 实验结果及分析 | 第42-46页 |
| 5.5 本章小结 | 第46-47页 |
| 6 总结与展望 | 第47-49页 |
| 6.1 总结 | 第47-48页 |
| 6.2 展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 附录：A. 作者在攻读硕士学位期间发表的论文目录 | 第54页 |
