首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于项目的协同过滤算法的改进

摘要第3-4页
Abstract第4-5页
1 绪论第8-12页
    1.1 研究背景第8-9页
    1.2 国内外研究现状第9-10页
        1.2.1 应用现状第9-10页
        1.2.2 理论研究现状第10页
    1.3 本文工作第10-11页
    1.4 论文组织结构第11-12页
2 推荐系统相关理论第12-21页
    2.1 信息检索与信息过滤第12-13页
    2.2 推荐系统简介第13-14页
    2.3 推荐系统常用的推荐算法第14-18页
        2.3.1 基于内容的推荐算法第15-17页
        2.3.2 协同过滤算法第17页
        2.3.3 混合推荐算法第17-18页
    2.4 推荐系统评价指标第18-20页
    2.5 推荐系统面临的挑战第20页
    2.6 本章小结第20-21页
3 协同过滤算法相关理论第21-31页
    3.1 协同过滤算法的工作原理和流程第21-23页
        3.1.1 用户-项目评分矩阵第21-22页
        3.1.2 协同过滤算法的推荐流程第22-23页
    3.2 协同过滤算法的分类第23-29页
        3.2.1 基于内存的协同过滤算法第23-28页
        3.2.2 基于模型的协同过滤算法第28-29页
    3.3 协同过滤算法面临的挑战第29-30页
    3.4 本章小结第30-31页
4 基于综合相似度建模对基于项目的协同过滤算法的改进第31-38页
    4.1 项目的综合相似度建模第31-34页
        4.1.1 JAVWeightedModel建模背景第31-32页
        4.1.2 JAVWeightedModel相似度计算方法第32-34页
    4.2 融合改进的K-Center算法的基于项目的协同过滤算法第34-37页
        4.2.1 问题描述第34页
        4.2.2 改进K-Center算法第34-37页
    4.3 本章小结第37-38页
5 实验及其分析第38-44页
    5.1 数据集与评价指标第38页
    5.2 实验结果与分析第38-42页
        5.2.1 JAVWeightedModel效果验证与分析第38-40页
        5.2.2 改进后的基于项目的协同过滤算法的效果验证与分析第40-42页
    5.3 实验结果总结第42页
    5.4 本章小结第42-44页
6 结论与展望第44-46页
    6.1 本文工作总结第44-45页
    6.2 进一步的工作与展望第45-46页
参考文献第46-49页
致谢第49-50页
在读期间公开发表论文(著)及科研情况第50页

论文共50页,点击 下载论文
上一篇:集成环境下CNC生产线制造执行系统设计与开发
下一篇:云存储中第三方审计机构在数据完整性验证中的应用