基于粒度序列模式的推荐算法研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-23页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 推荐系统概述 | 第12-21页 |
| 1.3.1 协同过滤推荐算法 | 第12-16页 |
| 1.3.2 基于关联规则的推荐算法 | 第16-17页 |
| 1.3.3 基于知识的推荐算法 | 第17-19页 |
| 1.3.4 混合推荐算法 | 第19-21页 |
| 1.4 本文研究内容 | 第21页 |
| 1.5 论文章节安排 | 第21-23页 |
| 2 推荐系统理论基础 | 第23-27页 |
| 2.1 基于内容的推荐算法 | 第23-25页 |
| 2.2 粒度序列模式 | 第25-26页 |
| 2.3 Sigmoid函数 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 基于粒度序列模式的推荐算法 | 第27-39页 |
| 3.1 重要性序列 | 第27-30页 |
| 3.2 加权粒度序列获取 | 第30-33页 |
| 3.2.1 粒度作用域 | 第30-31页 |
| 3.2.2 加权粒度序列 | 第31-33页 |
| 3.3 粒度映射描述 | 第33-34页 |
| 3.4 用户偏好预测 | 第34-37页 |
| 3.5 TOP-N推荐 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 4 实验结果与分析 | 第39-49页 |
| 4.1 实验平台 | 第39页 |
| 4.2 实验数据集 | 第39-43页 |
| 4.3 实验性能分析 | 第43-46页 |
| 4.4 对比试验及结果分析 | 第46-47页 |
| 4.5 本章小结 | 第47-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 附录A 公式中变量含义 | 第54-57页 |
| 作者简历 | 第57-59页 |
| 学位论文数据集 | 第59-60页 |
