一种基于用户兴趣值和期望值的改进协同过滤算法
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究现状 | 第13-17页 |
| 1.2.1 推荐系统现状 | 第13-15页 |
| 1.2.2 推荐技术现状 | 第15-16页 |
| 1.2.3 基于用户协同过滤推荐算法存在的问题 | 第16-17页 |
| 1.3 主要工作 | 第17-18页 |
| 1.4 论文结构 | 第18-19页 |
| 第2章 个性化推荐系统相关技术 | 第19-28页 |
| 2.1 推荐系统概述 | 第19-20页 |
| 2.2 相关技术 | 第20-25页 |
| 2.2.1 基于内容的推荐策略 | 第20-21页 |
| 2.2.2 基于规则的推荐策略 | 第21-22页 |
| 2.2.3 基于协同过滤的推荐策略 | 第22-25页 |
| 2.2.4 混合推荐策略 | 第25页 |
| 2.3 推荐算法评价标准 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 改进的用户相似度算法 | 第28-38页 |
| 3.1 用户兴趣值以及用户兴趣相似度算法 | 第28-33页 |
| 3.1.1 用户-类别平均分矩阵 | 第29-30页 |
| 3.1.2 用户兴趣值 | 第30-32页 |
| 3.1.3 用户兴趣相似度算法 | 第32-33页 |
| 3.2 用户期望值以及改进的Pearson算法 | 第33-37页 |
| 3.2.1 传统相似度算法概述 | 第33-36页 |
| 3.2.2 用户期望值 | 第36页 |
| 3.2.3 改进的Pearson算法 | 第36-37页 |
| 3.3 改进的用户相似度算法 | 第37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 改进的协同过滤策略 | 第38-45页 |
| 4.1 基于用户的协同过滤策略概述 | 第39-41页 |
| 4.2 改进的KNN算法 | 第41页 |
| 4.3 改进的协同过滤策略 | 第41-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 实验及算法实现 | 第45-60页 |
| 5.1 搭建环境以及数据集 | 第45-46页 |
| 5.1.1 搭建环境 | 第45页 |
| 5.1.2 使用的数据集 | 第45-46页 |
| 5.2 设计实验与分析 | 第46-55页 |
| 5.2.1 评价标准 | 第46-47页 |
| 5.2.2 设计实验 | 第47页 |
| 5.2.3 实验结果与分析 | 第47-55页 |
| 5.3 算法实现 | 第55-59页 |
| 5.3.1 数据建模 | 第55-56页 |
| 5.3.2 结构设计 | 第56页 |
| 5.3.3 推荐算法实现 | 第56-57页 |
| 5.3.4 推荐结果展示 | 第57-59页 |
| 5.4 本章小结 | 第59-60页 |
| 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 附录A 攻读学位期间参与的科研项目 | 第66-67页 |
| 致谢 | 第67页 |
