基于综合标签因素与聚类算法的推荐技术研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究背景与研究意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文结构安排 | 第13-14页 |
| 第二章 个性化推荐系统及相关技术 | 第14-29页 |
| 2.1 个性化推荐系统简介 | 第14-15页 |
| 2.2 个性化推荐系统的相关技术 | 第15-20页 |
| 2.2.1 基于内容的个性化推荐 | 第15-16页 |
| 2.2.2 基于关联规则的个性化推荐 | 第16-17页 |
| 2.2.3 基于协同过滤的个性化推荐 | 第17-19页 |
| 2.2.4 其他个性化推荐技术 | 第19-20页 |
| 2.3 标签系统介绍 | 第20-23页 |
| 2.4 个性化推荐系统的应用 | 第23-25页 |
| 2.5 相似度计算方法及推荐系统评价准则 | 第25-29页 |
| 2.5.1 相似度计算方法 | 第25-26页 |
| 2.5.2 推荐系统评价准则 | 第26-29页 |
| 第三章 基于标签与聚类的改进推荐算法 | 第29-42页 |
| 3.1 基于用户特征的聚类 | 第29-33页 |
| 3.1.1 k-means算法流程 | 第30-31页 |
| 3.1.2 用户特征 | 第31-32页 |
| 3.1.3 基于用户特征的聚类 | 第32-33页 |
| 3.2 综合相似度 | 第33-37页 |
| 3.3 基于标签与聚类的改进推荐算法 | 第37-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 改进算法在音乐推荐中的应用分析 | 第42-48页 |
| 4.1 实验数据选取 | 第42页 |
| 4.2 实验与结果分析 | 第42-45页 |
| 4.3 改进算法在音乐推荐中的应用 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 基于Hadoop的改进推荐算法实现 | 第48-55页 |
| 5.1 HDFS分布式文件系统 | 第49页 |
| 5.2 MapReduce分布式计算框架 | 第49-50页 |
| 5.3 基于Hadoop的改进算法实现 | 第50-53页 |
| 5.4 实验与分析 | 第53-54页 |
| 5.4.1 实验环境与数据 | 第53页 |
| 5.4.2 实验结果与分析 | 第53-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 结论总结 | 第55页 |
| 6.2 研究展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士期间取得的学术成果 | 第62-63页 |
| 致谢 | 第63页 |
