流媒体社交网络中数据挖掘组件的设计和实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 引言 | 第9-11页 |
| 第一章 绪论 | 第11-17页 |
| ·背景及意义 | 第11-12页 |
| ·国内外发展现状 | 第12-15页 |
| ·论文主要内容 | 第15-16页 |
| ·论文结构 | 第16-17页 |
| 第二章 推荐系统相关技术 | 第17-28页 |
| ·推荐系统主要方法 | 第17-23页 |
| ·基于内容的推荐 | 第17-19页 |
| ·基于协同过滤的推荐 | 第19-22页 |
| ·基于模型的推荐 | 第22-23页 |
| ·推荐算法评价标准 | 第23-27页 |
| ·准确度 | 第23-25页 |
| ·覆盖率 | 第25页 |
| ·多样性 | 第25-26页 |
| ·实时性 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于聚类的推荐算法研究 | 第28-35页 |
| ·聚类技术介绍 | 第28-30页 |
| ·基于项目聚类的推荐算法 | 第30-32页 |
| ·算法基本思想 | 第30页 |
| ·项目聚类 | 第30-31页 |
| ·相似度定义 | 第31-32页 |
| ·基于用户聚类的推荐算法 | 第32-33页 |
| ·算法基本思想 | 第32页 |
| ·用户聚类 | 第32-33页 |
| ·生成最近邻居 | 第33页 |
| ·基于流媒体社交网络的推荐算法分析 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 数据挖掘组件设计与实现 | 第35-54页 |
| ·项目背景介绍 | 第35页 |
| ·总体架构设计 | 第35-37页 |
| ·数据挖掘组件整体设计 | 第37页 |
| ·数据处理模块 | 第37-40页 |
| ·推荐模块 | 第40-53页 |
| ·基于好友关系 | 第42页 |
| ·基于用户评分 | 第42-49页 |
| ·基于用户收听时间 | 第49-50页 |
| ·好友推荐 | 第50-51页 |
| ·节目推荐 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 实验测试与分析 | 第54-63页 |
| ·测试环境 | 第54页 |
| ·模块测试 | 第54-62页 |
| ·实验数据集 | 第55-57页 |
| ·实验评估方法 | 第57页 |
| ·实验方案 | 第57-58页 |
| ·实验结果及分析 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 结束语 | 第63-65页 |
| 参考文献 | 第65-67页 |
| 发表文章 | 第67-68页 |
| 致谢 | 第68-69页 |
