结合非负矩阵分解的推荐算法及框架研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-16页 |
| ·研究背景与意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·推荐技术研究与应用 | 第12-13页 |
| ·推荐框架研究与应用 | 第13-14页 |
| ·推荐系统实例 | 第14页 |
| ·本文组织结构 | 第14-16页 |
| 2 个性化推荐系统概述及分类 | 第16-28页 |
| ·推荐系统定义 | 第16-18页 |
| ·基于内容的推荐 | 第18-20页 |
| ·用户模型 | 第18-19页 |
| ·相似性计算 | 第19-20页 |
| ·基于人口统计学的推荐 | 第20页 |
| ·协同过滤推荐系统 | 第20-26页 |
| ·基于内存的协同过滤推荐系统 | 第23-25页 |
| ·基于模型的协同过滤推荐系统 | 第25页 |
| ·协同过滤推荐系统的优缺点 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 3 实验和评测指标 | 第28-32页 |
| ·实验数据 | 第28-29页 |
| ·MovieLens | 第28页 |
| ·Netflix | 第28-29页 |
| ·评价指标 | 第29-31页 |
| ·精确性 | 第29-30页 |
| ·覆盖率 | 第30页 |
| ·多样性 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 4 基于非负矩阵分解的推荐算法研究 | 第32-51页 |
| ·隐含语义分析 | 第32-34页 |
| ·隐语义模型 | 第34-37页 |
| ·隐语义模型基本概念 | 第35-36页 |
| ·SVD++模型 | 第36-37页 |
| ·非负矩阵分解 | 第37-38页 |
| ·结合NMF的基于内存的协同过滤推荐系统 | 第38-42页 |
| ·NMF-User-based CF | 第39-40页 |
| ·NMF-Item-based CF | 第40-41页 |
| ·NMF-Mem-based CF | 第41-42页 |
| ·算法时间复杂度分析 | 第42页 |
| ·NMF对隐含语义的挖掘 | 第42-43页 |
| ·实验结果及分析 | 第43-51页 |
| ·分析结合NMF的系统过滤算法实验结果 | 第43-47页 |
| ·对比实验结果及分析 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 5 推荐系统的构建 | 第51-60页 |
| ·外围架构 | 第51-52页 |
| ·推荐系统架构 | 第52页 |
| ·推荐引擎架构 | 第52-55页 |
| ·离线部分 | 第53-54页 |
| ·推荐算法 | 第54页 |
| ·过滤模块 | 第54页 |
| ·排名模块 | 第54-55页 |
| ·推荐解释选择 | 第55页 |
| ·推荐系统实现 | 第55-59页 |
| ·视图层 | 第56-57页 |
| ·算法层 | 第57页 |
| ·数据层 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| ·总结 | 第60-61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 作者简历 | 第65-67页 |
| 学位论文数据集 | 第67页 |
