基于用户偏好融合的组推荐算法研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 主要研究内容及贡献 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 1.5 本章小结 | 第15-17页 |
| 第二章 组推荐系统中偏好融合方法的研究与改进 | 第17-39页 |
| 2.1 传统推荐系统的定义 | 第17页 |
| 2.2 一种改进的偏好融合方法 | 第17-23页 |
| 2.2.1 基本融合策略 | 第17-19页 |
| 2.2.2 个人偏好与群组偏好的相关性 | 第19-20页 |
| 2.2.3 改进的偏好融合方法 | 第20-22页 |
| 2.2.4 方法流程和输入输出 | 第22-23页 |
| 2.3 实验结果与分析 | 第23-36页 |
| 2.3.1 数据集 | 第23-24页 |
| 2.3.2 评价指标 | 第24-25页 |
| 2.3.3 对比算法 | 第25-26页 |
| 2.3.4 实验结果与分析 | 第26-36页 |
| 2.4 本章小结 | 第36-39页 |
| 第三章 基于分类信息的群组偏好表示算法研究与改进 | 第39-53页 |
| 3.1 基于分类信息的推荐算法 | 第39-40页 |
| 3.2 基于分类信息的群组偏好表示算法 | 第40-45页 |
| 3.2.1 群组偏好表示算法 | 第40-44页 |
| 3.2.2 基于分类信息的组推荐算法 | 第44-45页 |
| 3.3 实验结果与分析 | 第45-50页 |
| 3.3.1 对比算法 | 第45-46页 |
| 3.3.2 实验结果与分析 | 第46-50页 |
| 3.4 本章小结 | 第50-53页 |
| 第四章 基于分类信息的组推荐预测评分算法研究 | 第53-61页 |
| 4.1 预测评分算法 | 第53-58页 |
| 4.1.1 基于分类信息的预测评分流程 | 第53-54页 |
| 4.1.2 基于分类信息的内容组推荐算法 | 第54-56页 |
| 4.1.3 基于分类信息的矩阵分解组推荐算法 | 第56-57页 |
| 4.1.4 基于分类信息的混合组推荐算法 | 第57-58页 |
| 4.2 实验结果与分析 | 第58-60页 |
| 4.2.1 对比算法 | 第58页 |
| 4.2.2 实验结果与分析 | 第58-60页 |
| 4.3 本章小结 | 第60-61页 |
| 第五章 基于用户偏好融合的组推荐原型系统设计 | 第61-65页 |
| 5.1 需求分析 | 第61-62页 |
| 5.2 系统框架设计 | 第62页 |
| 5.3 本章小结 | 第62-65页 |
| 第六章 基于用户偏好融合的组推荐原型系统实现 | 第65-71页 |
| 6.1 系统模块和输入输出 | 第65-68页 |
| 6.1.1 系统的整体输入输出 | 第65页 |
| 6.1.2 分类信息提取模块 | 第65-66页 |
| 6.1.3 融合策略模块 | 第66-67页 |
| 6.1.4 预测评分模块 | 第67页 |
| 6.1.5 项目推荐模块 | 第67-68页 |
| 6.2 系统模块测试 | 第68-70页 |
| 6.2.1 分类信息提取模块测试 | 第68-69页 |
| 6.2.2 融合策略模块 | 第69页 |
| 6.2.3 预测评分模块 | 第69页 |
| 6.2.4 项目推荐模块 | 第69-70页 |
| 6.3 本章小结 | 第70-71页 |
| 第七章 总结与展望 | 第71-73页 |
| 7.1 论文工作总结 | 第71页 |
| 7.2 问题和展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 攻读学位期间发表的学术论文目录 | 第79页 |
