基于行为分析实施推荐系统的设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 推荐系统的研究现状 | 第11-12页 |
| 1.2.2 推荐系统的应用现状 | 第12页 |
| 1.3 本文的主要工作 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第2章 个性化推荐技术概述 | 第14-25页 |
| 2.1 协同过滤推荐算法 | 第14-18页 |
| 2.1.1 基本原理 | 第14页 |
| 2.1.2 推荐步骤 | 第14-17页 |
| 2.1.3 常用协同过滤算法 | 第17-18页 |
| 2.2 基于内容的推荐算法 | 第18-20页 |
| 2.3 混合推荐算法 | 第20-22页 |
| 2.4 评估策略 | 第22-23页 |
| 2.5 推荐结果展示 | 第23-24页 |
| 2.5.1 关联项推荐结果展示 | 第23页 |
| 2.5.2 Top-N推荐 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 基于内容的协同过滤混合推荐算法的设计 | 第25-35页 |
| 3.1 混合推荐算法研究背景 | 第25-26页 |
| 3.2 实施推荐系统问题分析 | 第26-27页 |
| 3.2.1 推荐出差工程师 | 第26-27页 |
| 3.2.2 建立推荐算法模型 | 第27页 |
| 3.3 基于行为分析和混合权重的协同过滤 | 第27-34页 |
| 3.3.1 用户行为数据提取 | 第27-28页 |
| 3.3.2 基于属性信息的综合相似度 | 第28-32页 |
| 3.3.3 用户评分预测 | 第32-33页 |
| 3.3.4 融合评分相似度和属性相似度 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于用户行为分析推荐系统的实现 | 第35-47页 |
| 4.1 推荐引擎服务目标 | 第35页 |
| 4.2 推荐系统分析 | 第35-38页 |
| 4.2.1 功能需求分析 | 第35-36页 |
| 4.2.2 非功能需求 | 第36页 |
| 4.2.3 技术选择 | 第36-38页 |
| 4.3 推荐系统的设计 | 第38-42页 |
| 4.3.1 功能模块设计 | 第38-41页 |
| 4.3.2 数据库设计 | 第41-42页 |
| 4.4 各模块具体实现 | 第42-46页 |
| 4.4.1 登录注册模块 | 第42-43页 |
| 4.4.2 信息管理模块 | 第43页 |
| 4.4.3 相似度计算模块 | 第43-44页 |
| 4.4.4 个性化推荐模块 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 实验结果分析 | 第47-51页 |
| 5.1 实验环境及数据源 | 第47页 |
| 5.1.1 实验环境 | 第47页 |
| 5.1.2 数据源 | 第47页 |
| 5.2 混合权重α对结果的影响 | 第47-48页 |
| 5.3 θ对实验结果的影响 | 第48-49页 |
| 5.4 α和θ共同取值对结果的影响 | 第49页 |
| 5.5 常见推荐算法对比 | 第49-50页 |
| 5.6 本章小结 | 第50-51页 |
| 第6章 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 在学研究成果 | 第55-56页 |
| 致谢 | 第56页 |
