基于类别和矩阵填充的协同过滤算法研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 协同过滤算法研究现状 | 第13-15页 |
| 1.2.2 基于类别的推荐方法研究现状 | 第15页 |
| 1.2.3 Slope One算法的研究现状 | 第15-16页 |
| 1.3 主要研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 第2章 相关技术原理 | 第18-35页 |
| 2.1 个性化推荐系统 | 第18-20页 |
| 2.1.1 推荐系统定义 | 第18-19页 |
| 2.1.2 推荐系统构成 | 第19-20页 |
| 2.2 推荐算法的分类 | 第20-24页 |
| 2.2.1 基于内容的推荐算法 | 第20-21页 |
| 2.2.2 基于关联规则的推荐算法 | 第21-22页 |
| 2.2.3 基于知识的推荐算法 | 第22页 |
| 2.2.4 基于协同过滤的推荐算法 | 第22-23页 |
| 2.2.5 混合推荐算法 | 第23-24页 |
| 2.3 协同过滤算法 | 第24-31页 |
| 2.3.1 相似性的计算 | 第27-28页 |
| 2.3.2 计算近邻集合 | 第28-29页 |
| 2.3.3 预测评分 | 第29-30页 |
| 2.3.4 稀疏性问题 | 第30-31页 |
| 2.4 Slope One算法 | 第31-34页 |
| 2.4.1 算法综述 | 第31-33页 |
| 2.4.2 算法缺陷 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 一种基于类别的协同过滤算法 | 第35-42页 |
| 3.1 构造项目-类别矩阵 | 第35-36页 |
| 3.2 构造用户-类别矩阵 | 第36-38页 |
| 3.2.1 改进的用户-类别矩阵元素计算方法 | 第37-38页 |
| 3.3 分析用户-类别矩阵缓解稀疏性的效果 | 第38-39页 |
| 3.4 计算目标用户近邻集合 | 第39-40页 |
| 3.4.1 计算用户相似度 | 第39-40页 |
| 3.4.2 近邻筛选 | 第40页 |
| 3.5 预测目标用户评分 | 第40页 |
| 3.6 算法描述 | 第40-41页 |
| 3.7 本章小结 | 第41-42页 |
| 第4章 基于类别和矩阵填充的协同过滤算法 | 第42-48页 |
| 4.1 改进的Slope One算法预测填充 | 第42-45页 |
| 4.1.1 预测填充算法概述 | 第42-43页 |
| 4.1.2 用户评分差异性 | 第43-44页 |
| 4.1.3 改进的Slope One算法 | 第44-45页 |
| 4.2 算法描述 | 第45-47页 |
| 4.3 本章小结 | 第47-48页 |
| 第5章 实验设计及结果分析 | 第48-56页 |
| 5.1 实验数据与环境 | 第48页 |
| 5.1.1 实验数据集 | 第48页 |
| 5.1.2 实验环境 | 第48页 |
| 5.2 评估指标 | 第48-50页 |
| 5.3 实验方案设计 | 第50-51页 |
| 5.4 实验结果及分析 | 第51-55页 |
| 5.4.1 实验一 | 第51-52页 |
| 5.4.2 实验二 | 第52-53页 |
| 5.4.3 实验三 | 第53-55页 |
| 5.5 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 附录A 攻读硕士期间获得的专利著作 | 第62-63页 |
| 致谢 | 第63页 |
