基于用户浏览路径的协同过滤推荐技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题背景及意义 | 第9页 |
| ·国内外研究的现状及水平 | 第9-12页 |
| ·传统最近邻协同过滤技术 | 第12-13页 |
| ·论文研究的主要内容 | 第13-15页 |
| 第二章 用户浏览行为 | 第15-28页 |
| ·用户浏览行为与推荐技术 | 第15-17页 |
| ·用户浏览行为挖掘的现状 | 第15-16页 |
| ·个性化推荐系统 | 第16-17页 |
| ·用户浏览行为与用户浏览兴趣 | 第17-18页 |
| ·用户浏览行为 | 第17-18页 |
| ·用户浏览行为数据 | 第18页 |
| ·用户浏览路径挖掘的过程 | 第18-21页 |
| ·用户浏览路径挖掘算法概述 | 第21-24页 |
| ·用户浏览偏爱路径算法 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于用户浏览路径的协同过滤推荐方法 | 第28-45页 |
| ·隐马尔可夫模型概述 | 第28-35页 |
| ·隐马尔可夫模型的定义 | 第28-30页 |
| ·隐马尔可夫模型解决的问题 | 第30-31页 |
| ·隐马尔可夫模型中的算法 | 第31-35页 |
| ·基于隐马尔可夫模型的协同过滤推荐方法 | 第35-44页 |
| ·基于HMM的协同过滤推荐模型建立 | 第35-36页 |
| ·HMM训练 | 第36-38页 |
| ·基于HMM最近邻过滤方法 | 第38-39页 |
| ·用户喜好度的建立 | 第39-41页 |
| ·协同过滤推荐实施方法和实例 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于用户浏览路径模型的更新 | 第45-60页 |
| ·隐马尔科夫模型与动态贝叶斯网络 | 第45-49页 |
| ·贝叶斯技术概述 | 第45-46页 |
| ·动态贝叶斯网络 | 第46-48页 |
| ·动态贝叶斯网络与HMM的比较 | 第48-49页 |
| ·基于用户浏览路径模型的更新 | 第49-59页 |
| ·Bayesin网络模型的特征融合 | 第49-51页 |
| ·数据准备 | 第51-54页 |
| ·基于动态贝叶斯网络的推荐模型更新 | 第54-57页 |
| ·更新后的协同过滤预测模型 | 第57页 |
| ·更新后的最近邻协同过滤方法 | 第57页 |
| ·实验评估 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 总结和展望 | 第60-62页 |
| ·全文总结 | 第60-61页 |
| ·进一步的工作 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 作者简介及硕士生期间发表的学术论文 | 第68页 |
| 硕士生期间发表的学术论文 | 第68页 |
