基于标签和隐私保护的聚类推荐算法的研究与应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 推荐系统研究现状 | 第10-11页 |
| 1.2.2 标签推荐研究现状 | 第11页 |
| 1.2.3 差分隐私推荐研究现状 | 第11-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 第2章 个性化推荐相关理论与算法 | 第15-27页 |
| 2.1 个性化推荐系统 | 第15页 |
| 2.2 协同过滤推荐算法 | 第15-20页 |
| 2.2.1 基于用户的协同过滤算法 | 第18-19页 |
| 2.2.2 基于物品的协同过滤算法 | 第19-20页 |
| 2.3 聚类算法 | 第20-24页 |
| 2.3.1 k-means聚类 | 第21-22页 |
| 2.3.2 模糊c均值聚类 | 第22-24页 |
| 2.4 差分隐私保护技术 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 改进的模糊c均值聚类算法 | 第27-35页 |
| 3.1 聚类算法存在的问题 | 第27页 |
| 3.2 改进的模糊c均值算法 | 第27-30页 |
| 3.3 实验结果及分析 | 第30-33页 |
| 3.3.1 实验数据 | 第30-31页 |
| 3.3.2 聚类评价标准 | 第31页 |
| 3.3.3 实验结果分析 | 第31-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第4章 融合标签和隐私保护的聚类推荐算法 | 第35-49页 |
| 4.1 差分隐私保护 | 第35-37页 |
| 4.1.1 隐私问题分析 | 第35-36页 |
| 4.1.2 差分隐私保护下的模糊c均值聚类 | 第36-37页 |
| 4.1.3 算法满足ε-差分隐私的证明 | 第37页 |
| 4.2 融合标签和隐私保护的聚类算法 | 第37-43页 |
| 4.2.1 用户标签相关性计算 | 第37-40页 |
| 4.2.2 资源推荐 | 第40-41页 |
| 4.2.3 改进的整体算法 | 第41-43页 |
| 4.3 实验结果与分析 | 第43-47页 |
| 4.3.1 实验数据集 | 第43页 |
| 4.3.2 评价指标 | 第43-44页 |
| 4.3.3 对比实验设计 | 第44-47页 |
| 4.4 本章小结 | 第47-49页 |
| 第5章 电影推荐系统的设计与实现 | 第49-63页 |
| 5.1 系统需求分析 | 第49-50页 |
| 5.1.1 功能需求 | 第49-50页 |
| 5.1.2 非功能需求 | 第50页 |
| 5.2 系统架构设计 | 第50-52页 |
| 5.3 数据库设计 | 第52-54页 |
| 5.4 系统实现 | 第54-56页 |
| 5.4.1 系统环境 | 第54页 |
| 5.4.2 核心推荐模块实现 | 第54-56页 |
| 5.5 系统页面展示及测试 | 第56-61页 |
| 5.5.1 系统前台展示及测试 | 第56-59页 |
| 5.5.2 系统后台展示及测试 | 第59-61页 |
| 5.6 本章小结 | 第61-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间所发表的学术论文 | 第69-71页 |
| 致谢 | 第71页 |
