基于商品属性权重的推荐算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-15页 |
| 1.1 研究背景和研究意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 研究内容及文章结构 | 第10-12页 |
| 1.3.1 主要研究内容 | 第10-11页 |
| 1.3.2 文章结构 | 第11-12页 |
| 1.4 主要创新点 | 第12-13页 |
| 1.5 研究方法和技术路线图 | 第13-15页 |
| 2 文献综述及相关理论 | 第15-25页 |
| 2.1 推荐系统文献综述 | 第15-22页 |
| 2.1.1 推荐系统模块介绍 | 第15-16页 |
| 2.1.2 主流推荐算法 | 第16-21页 |
| 2.1.3 推荐系统评价 | 第21-22页 |
| 2.2 机器学习理论基础 | 第22-25页 |
| 2.2.1 聚类分析的统计量 | 第22-23页 |
| 2.2.2 属性权重赋值方法 | 第23-25页 |
| 3 案例及案例分析 | 第25-31页 |
| 3.1 企业简介 | 第25-27页 |
| 3.2 推荐系统现状及问题分析 | 第27-29页 |
| 3.3 新推荐算法构建方向 | 第29-31页 |
| 4 基于属性权重的推荐算法模型 | 第31-43页 |
| 4.1 用户及推荐对象模型 | 第31-40页 |
| 4.1.1 用户模型的构建 | 第33-39页 |
| 4.1.2 推荐对象模型 | 第39-40页 |
| 4.2 推荐匹配度计算 | 第40-43页 |
| 5 推荐算法实例测试 | 第43-57页 |
| 5.1 推荐效果评价指标 | 第43-45页 |
| 5.2 模型测试的实验设计 | 第45-46页 |
| 5.3 基于不同准则的推荐算法效果测试 | 第46-54页 |
| 5.3.1 基于单一准则的推荐效果测试 | 第46-54页 |
| 5.3.2 全部准则的推荐效果测试 | 第54页 |
| 5.4 两种推荐算法推荐效果比较 | 第54-57页 |
| 6 结论与展望 | 第57-59页 |
| 6.1 本文结论 | 第57-58页 |
| 6.2 研究展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62页 |
