推荐系统中若干关键问题研究
| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第一章 绪论 | 第14-21页 |
| ·引言 | 第14-15页 |
| ·推荐系统的研究现状与内容 | 第15-18页 |
| ·发展与现状 | 第15-17页 |
| ·推荐系统的主要研究内容 | 第17-18页 |
| ·本文的研究意义和主要工作 | 第18-19页 |
| ·本文的组织 | 第19-21页 |
| 第二章 推荐系统相关技术 | 第21-32页 |
| ·相关技术 | 第21-24页 |
| ·信息检索技术 | 第21页 |
| ·信息过滤技术 | 第21-23页 |
| ·数据挖掘 | 第23-24页 |
| ·推荐算法 | 第24-30页 |
| ·基于内容的推荐算法 | 第25-26页 |
| ·协同过滤推荐算法 | 第26-29页 |
| ·混合推荐算法 | 第29-30页 |
| ·小结 | 第30-32页 |
| 第三章 推荐算法的实验与评价 | 第32-44页 |
| ·实验数据集 | 第32-33页 |
| ·EachMovie | 第32页 |
| ·MovieLens | 第32-33页 |
| ·Jester | 第33页 |
| ·Book-Crossing | 第33页 |
| ·数据集的稀疏度 | 第33-34页 |
| ·评价准则与指标 | 第34-43页 |
| ·预测精确度准则 | 第34-35页 |
| ·分类精确度准则 | 第35-41页 |
| ·排列精确度准则 | 第41-43页 |
| ·小结 | 第43-44页 |
| 第四章 基于降维的推荐算法 | 第44-65页 |
| ·相关技术 | 第44-46页 |
| ·矩阵分解 | 第44-45页 |
| ·非负矩阵分解定义 | 第45-46页 |
| ·非负矩阵分解算法 | 第46页 |
| ·基于NMF 的协同过滤算法 | 第46-49页 |
| ·相关定义 | 第46-48页 |
| ·基于 NMF 的推荐算法 | 第48页 |
| ·算法时间复杂度分析 | 第48-49页 |
| ·实验结果及分析 | 第49-64页 |
| ·基准实验结果 | 第49-56页 |
| ·对比实验结果及分析 | 第56-64页 |
| ·小结 | 第64-65页 |
| 第五章 基于聚类的协同过滤推荐算法 | 第65-81页 |
| ·多层相似性度量 | 第65-67页 |
| ·基于多层相似性用户聚类的推荐算法 | 第67-69页 |
| ·离线用户聚类 | 第67-68页 |
| ·在线产生推荐 | 第68-69页 |
| ·算法的时间复杂度分析 | 第69页 |
| ·实验结果及分析 | 第69-80页 |
| ·小结 | 第80-81页 |
| 第六章 基于随机扰动的隐私保护推荐算法 | 第81-94页 |
| ·数据挖掘中的隐私保护 | 第81-82页 |
| ·具有隐私保护功能的推荐算法 | 第82-85页 |
| ·相关概念 | 第82-83页 |
| ·基于 SVD 的隐私保护算法 | 第83页 |
| ·基于 NMF 的隐私保护算法 | 第83-85页 |
| ·算法有效性分析 | 第85页 |
| ·实验结果及分析 | 第85-93页 |
| ·小结 | 第93-94页 |
| 第七章 总结与展望 | 第94-97页 |
| 参考文献 | 第97-109页 |
| 致谢 | 第109-110页 |
| 在学期间的研究成果及发表的学术论文 | 第110-111页 |
