推荐系统中协同过滤算法的研究与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·课题的背景和意义 | 第10-11页 |
| ·推荐系统的研究及应用现状 | 第11-15页 |
| ·推荐系统的发展概述 | 第11-12页 |
| ·推荐系统在电子商务中的应用 | 第12-13页 |
| ·电子商务的应用状况 | 第12页 |
| ·推荐系统在电子商务中的实例 | 第12-13页 |
| ·推荐系统在其他领域中的应用 | 第13-14页 |
| ·推荐系统研究的主要内容 | 第14页 |
| ·推荐系统研究面临的挑战 | 第14-15页 |
| ·本文的研究工作 | 第15-16页 |
| ·本文的结构 | 第16-17页 |
| 第二章 推荐系统与协同过滤技术 | 第17-36页 |
| ·推荐系统及其核心算法 | 第17-25页 |
| ·推荐系统的介绍 | 第17页 |
| ·推荐系统的算法 | 第17-24页 |
| ·基于关联规则的推荐算法 | 第18-19页 |
| ·基于内容的推荐算法 | 第19-20页 |
| ·协同过滤推荐算法 | 第20-22页 |
| ·各算法的比较 | 第22-24页 |
| ·推荐系统的评估 | 第24-25页 |
| ·推荐系统的准确性 | 第24页 |
| ·推荐系统的有效性 | 第24-25页 |
| ·精确率和召回率的计算 | 第25页 |
| ·协同过滤算法及其相关技术 | 第25-36页 |
| ·协同过滤算法的描述 | 第25-27页 |
| ·基于用户的协同过滤算法 | 第27-29页 |
| ·用户之间的相似度 | 第27-28页 |
| ·预测评分 | 第28页 |
| ·推荐项目 | 第28-29页 |
| ·特点分析 | 第29页 |
| ·基于项目的协同过滤算法 | 第29-31页 |
| ·项目之间的相似性 | 第29-30页 |
| ·预测评分 | 第30-31页 |
| ·推荐项目 | 第31页 |
| ·特点分析 | 第31页 |
| ·协同过滤算法的评估 | 第31-32页 |
| ·协同过滤算法研究使用的数据 | 第32-36页 |
| 第三章 对于未评分项的几种处理方式比较 | 第36-43页 |
| ·问题的提出 | 第36页 |
| ·已有的几种处理未评分项的方式 | 第36-40页 |
| ·不予考虑 | 第37页 |
| ·设置为0 | 第37页 |
| ·设置为分值的中间值 | 第37-38页 |
| ·设置为用户评分的均值 | 第38-39页 |
| ·设置为项目所得评分的均值 | 第39-40页 |
| ·基于用户的协同过滤算法的未评分项处理方法的比较 | 第40-41页 |
| ·基于项目的协同过滤算法的未评分项处理方法的比较 | 第41-42页 |
| ·结论 | 第42-43页 |
| 第四章 一种优化的基于项目的协同过滤算法 | 第43-51页 |
| ·问题的提出 | 第43-44页 |
| ·算法的内容 | 第44-46页 |
| ·定义 | 第44页 |
| ·算法描述 | 第44-46页 |
| ·项目之间相似度的计算 | 第44-46页 |
| ·预测评分 | 第46页 |
| ·系统流程 | 第46-47页 |
| ·实验数据比较 | 第47-49页 |
| ·结论 | 第49-51页 |
| 第五章 总结和展望 | 第51-54页 |
| ·总结 | 第51-52页 |
| ·展望 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间发表的学术论文 | 第57页 |
