动态多水平协同过滤推荐算法的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 本文用到的符号及说明 | 第7-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 论文主要工作 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-16页 |
| 第二章 推荐系统相关基础知识 | 第16-24页 |
| 2.1 推荐算法分类 | 第16-17页 |
| 2.2 基于启发式的协同过滤推荐算法 | 第17-21页 |
| 2.2.1 基本思想 | 第17页 |
| 2.2.2 算法定义 | 第17-18页 |
| 2.2.3 算法分类 | 第18-19页 |
| 2.2.4 实现步骤 | 第19-21页 |
| 2.3 推荐算法评价指标 | 第21-22页 |
| 2.3.1 准确性指标 | 第21页 |
| 2.3.2 多样性评价指标 | 第21-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第三章 基于用户的动态多水平时间加权推荐算法 | 第24-32页 |
| 3.1 问题提出 | 第24-25页 |
| 3.2 基于用户的DMLTW推荐算法 | 第25-28页 |
| 3.2.1 基于用户的时间加权推荐算法 | 第25-26页 |
| 3.2.2 改进的基于用户的动态多水平推荐算法 | 第26-27页 |
| 3.2.3 基于用户的动态多水平时间加权推荐算法 | 第27-28页 |
| 3.3 实验分析 | 第28-31页 |
| 3.3.1 数据集 | 第28页 |
| 3.3.2 实验结果分析 | 第28-30页 |
| 3.3.3 复杂度分析 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 基于项目的动态多水平时间加权推荐算法 | 第32-42页 |
| 4.1 问题提出 | 第32-33页 |
| 4.2 基于项目的DMLTW推荐算法 | 第33-36页 |
| 4.2.1 基于项目的动态多水平推荐算法 | 第33-35页 |
| 4.2.2 改进的基于项目的时间加权算法 | 第35-36页 |
| 4.3 实验分析 | 第36-40页 |
| 4.3.1 数据集 | 第37页 |
| 4.3.2 实验结果分析 | 第37-39页 |
| 4.3.3 复杂度分析 | 第39-40页 |
| 4.4 本章小结 | 第40-42页 |
| 第五章 基于用户的DMLTW的邻居多样性算法 | 第42-52页 |
| 5.1 问题提出 | 第42页 |
| 5.2 基于用户的DMLTW的邻居多样性 | 第42-44页 |
| 5.3 实验分析 | 第44-51页 |
| 5.3.1 数据集 | 第44-45页 |
| 5.3.2 实验结果分析 | 第45-50页 |
| 5.3.3 复杂度分析 | 第50-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 攻读学位期间发表的学术论文 | 第60页 |
