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 |