基于扩展邻居与语义树的个性化推荐算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-22页 |
| ·研究的背景与意义 | 第8-9页 |
| ·个性化推荐的研究现状 | 第9-12页 |
| ·国外研究现状 | 第9-11页 |
| ·国内研究现状 | 第11-12页 |
| ·相关技术介绍 | 第12-19页 |
| ·协同过滤推荐技术 | 第12-16页 |
| ·基于内容过滤的推荐技术 | 第16-18页 |
| ·传统推荐技术存在的问题 | 第18-19页 |
| ·论文基本内容与结构 | 第19-22页 |
| ·研究内容与方法 | 第19页 |
| ·论文结构安排 | 第19-22页 |
| 2 基于扩展邻居的协同过滤推荐算法 | 第22-37页 |
| ·协同过滤推荐算法的稀疏性问题 | 第22页 |
| ·基于潜在邻与最近邻的协同过滤推荐算法 | 第22-30页 |
| ·算法原理 | 第22-23页 |
| ·算法步骤 | 第23-25页 |
| ·实验分析 | 第25-30页 |
| ·基于后援邻与最近邻的协同过滤推荐算法 | 第30-36页 |
| ·算法原理 | 第30-31页 |
| ·算法步骤 | 第31-33页 |
| ·实验分析 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 3 基于语义树的内容过滤推荐算法 | 第37-46页 |
| ·内容过滤的信息遗失问题 | 第37页 |
| ·语义树构建 | 第37-41页 |
| ·领域语义树 | 第37-39页 |
| ·项目语义树构建 | 第39-40页 |
| ·用户语义树构建 | 第40-41页 |
| ·推荐产生 | 第41-43页 |
| ·特征词之间的语义相似性计算 | 第41-42页 |
| ·语义向量转换 | 第42页 |
| ·产生推荐 | 第42-43页 |
| ·实验结果及其分析 | 第43-45页 |
| ·实验数据 | 第43页 |
| ·k-折交叉验证 | 第43-44页 |
| ·实验结果分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 4 个性化推荐应用实例—项目评审专家推荐系统 | 第46-58页 |
| ·应用背景以及工作流程 | 第46-47页 |
| ·系统整体框架 | 第47-49页 |
| ·系统实现 | 第49-54页 |
| ·系统开发平台与数据库设计 | 第49-51页 |
| ·项目模型构建 | 第51-52页 |
| ·专家模型构建 | 第52-53页 |
| ·推荐产生 | 第53-54页 |
| ·模型修正 | 第54页 |
| ·系统部分界面 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 攻读硕士学位期间论文发表及项目参加情况 | 第65-66页 |
| 致谢 | 第66-68页 |
