首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于协同过滤混合推荐系统的研究与实现

摘要第5-7页
ABSTRACT第7-8页
符号对照表第11-12页
缩略语对照表第12-15页
第一章 绪论第15-19页
    1.1 研究背景和意义第15-16页
    1.2 个性化推荐系统的国内外研究现状第16-17页
    1.3 论文的主要工作第17-18页
    1.4 论文结构第18-19页
第二章 个性化推荐系统和算法的相关知识第19-33页
    2.1 个性化推荐系统的定义第19页
    2.2 个性化推荐系统的基本流程和框架第19-21页
    2.3 个性化推荐系统存在的问题及面临的挑战第21-24页
        2.3.1 个性化推荐系统存在的问题第21-23页
        2.3.2 个性化推荐系统面临的挑战第23-24页
    2.4 个性化推荐系统常用算法第24-32页
        2.4.1 基于人口统计学的推荐第24-25页
        2.4.2 基于内容的推荐第25-26页
        2.4.3 基于协同过滤的推荐第26-32页
    2.5 混合推荐算法第32页
    2.6 本章小结第32-33页
第三章 混合式个性化推荐算法第33-47页
    3.1 算法的整体思路第33页
    3.2 矩阵分解算法第33-39页
        3.2.1 矩阵分解定义第34页
        3.2.2 梯度下降法第34-35页
        3.2.3 矩阵分解相关算法第35-39页
    3.3 混合推荐算法的详细设计第39-45页
        3.3.1 基于集合运算的最近邻居搜索法第39-40页
        3.3.2 加入偏差的矩阵分解法第40-42页
        3.3.3 混合式推荐算法第42-45页
    3.4 本章小结第45-47页
第四章 实验结果分析第47-57页
    4.1 实验的数据集第47页
    4.2 推荐系统的评价标准第47-49页
    4.3 实验环境第49页
    4.4 实验设计方案第49-50页
    4.5 实验结果分析第50-55页
        4.5.1 训练集大小对推荐性能的影响第50-51页
        4.5.2 最近邻居个数对推荐性能的影响第51-52页
        4.5.3 矩阵分解中特征维度的大小对推荐性能的影响第52-54页
        4.5.4 各种算法MAE值和RMSE值的比较第54-55页
    4.6 本章小结第55-57页
第五章 基于混合推荐算法的电影推荐系统的实现第57-65页
    5.1 电影推荐系统设计第57-58页
        5.1.1 系统设计模式第57-58页
        5.1.2 系统结构框图第58页
    5.2 系统的实现第58-63页
        5.2.1 系统开发环境第58-59页
        5.2.2 系统数据来源第59-60页
        5.2.3 数据库设计第60-62页
        5.2.4 推荐模块设计第62页
        5.2.5 推荐展示第62-63页
    5.3 本章小结第63-65页
第六章 总结与展望第65-67页
    6.1 本文工作总结第65页
    6.2 今后工作展望第65-67页
参考文献第67-71页
致谢第71-73页
作者简介第73-74页

论文共74页,点击 下载论文
上一篇:激光主动式寻的制导的成像及图像处理
下一篇:基于信息论的图像质量评价方法