基于协同过滤的个性化推荐
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究内容 | 第12页 |
| 1.4 论文结构 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 推荐系统概述 | 第14-24页 |
| 2.1 引言 | 第14页 |
| 2.2 推荐系统概念及定义 | 第14-16页 |
| 2.3 推荐算法 | 第16-21页 |
| 2.3.1 基于内容的推荐 | 第16-17页 |
| 2.3.2 基于知识的推荐 | 第17页 |
| 2.3.3 基于规则的推荐 | 第17-18页 |
| 2.3.4 协同过滤 | 第18-21页 |
| 2.3.5 混合推荐 | 第21页 |
| 2.4 相关技术介绍 | 第21-23页 |
| 2.4.1 Hadoop | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 协同过滤算法改进 | 第24-38页 |
| 3.1 引言 | 第24-25页 |
| 3.2 寻找最近邻居过程改进 | 第25-35页 |
| 3.2.1 传统的用户相似度计算 | 第25-26页 |
| 3.2.2 本文的用户相似度计算 | 第26-35页 |
| 3.3 偏好估计过程改进 | 第35页 |
| 3.4 传统的推荐度计算 | 第35-36页 |
| 3.5 本文的推荐度计算 | 第36页 |
| 3.6 本章小结 | 第36-38页 |
| 第四章 推荐系统设计与实现 | 第38-51页 |
| 4.1 引言 | 第38页 |
| 4.2 推荐系统框架 | 第38-40页 |
| 4.3 用户交互与反馈 | 第40-43页 |
| 4.4 数据收集与存储 | 第43-45页 |
| 4.5 数据处理与推荐 | 第45-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 实验结果分析 | 第51-71页 |
| 5.1 引言 | 第51页 |
| 5.2 实验数据集介绍 | 第51页 |
| 5.3 评价指标 | 第51-53页 |
| 5.4 实验分析 | 第53-70页 |
| 5.4.1 改进的算法调优 | 第53-59页 |
| 5.4.2 对比实验 | 第59-70页 |
| 5.5 本章小结 | 第70-71页 |
| 第六章 结束语 | 第71-73页 |
| 6.1 总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间取得的研究成果 | 第77-78页 |
| 致谢 | 第78-79页 |
| 附件 | 第79页 |
