基于多策略的电影推荐方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究背景及意义 | 第11-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·关键问题 | 第14页 |
| ·本文研究内容 | 第14-15页 |
| ·本文组织结构 | 第15-17页 |
| 第2章 常用推荐方法 | 第17-33页 |
| ·简要描述 | 第17页 |
| ·信息的收集和预处理阶段 | 第17-19页 |
| ·主要推荐算法 | 第19-29页 |
| ·基于流行度的推荐方法 | 第19-20页 |
| ·基于效用函数的推荐方法 | 第20页 |
| ·基于内容的推荐方法 | 第20-22页 |
| ·基于人口统计的推荐方法 | 第22页 |
| ·协同过滤推荐方法 | 第22-26页 |
| ·基于知识的推荐方法 | 第26-27页 |
| ·基于图的推荐方法 | 第27-28页 |
| ·组合推荐方法 | 第28-29页 |
| ·推荐结果输出形式 | 第29页 |
| ·推荐系统常用评价标准 | 第29-33页 |
| 第3章 基于网络信息聚合及本体的推荐方法 | 第33-47页 |
| ·问题描述 | 第33-34页 |
| ·基于网络信息聚合及本体的推荐方法基本思想 | 第34页 |
| ·算法流程及详细步骤 | 第34-41页 |
| ·电影本体模型构建 | 第34-36页 |
| ·用户兴趣模型建立 | 第36页 |
| ·用户对属性的偏好权重计算 | 第36-38页 |
| ·考虑偏好权重的相似度计算 | 第38-39页 |
| ·网络信息聚合 | 第39-40页 |
| ·推荐算法的输出 | 第40-41页 |
| ·实验设计与结果分析 | 第41-46页 |
| ·实验数据获取 | 第41-44页 |
| ·实验一 | 第44-45页 |
| ·实验二 | 第45-46页 |
| ·本章总结 | 第46-47页 |
| 第4章 基于时间及评分预测的推荐方法 | 第47-61页 |
| ·相关概念 | 第47-49页 |
| ·图的基本概念介绍 | 第47-48页 |
| ·利用对分网络表示用户记录 | 第48-49页 |
| ·问题描述与算法思想 | 第49-50页 |
| ·算法流程及详细步骤 | 第50-56页 |
| ·对分网络中用户相似度计算 | 第50-51页 |
| ·利用评分、时间差值进行相似度修正 | 第51-53页 |
| ·基于谱聚类的相似用户获取 | 第53-54页 |
| ·基于评分预测的推荐 | 第54-56页 |
| ·实验设计与结果分析 | 第56-59页 |
| ·本章总结 | 第59-61页 |
| 第5章 推荐方法应用 | 第61-71页 |
| ·需求分析 | 第61-62页 |
| ·电视乐系统简介 | 第62-66页 |
| ·用户业务流程 | 第62-65页 |
| ·主要功能模块划分 | 第65-66页 |
| ·推荐算法的应用 | 第66-69页 |
| ·数据存储模块 | 第66-67页 |
| ·用户推荐和电影关联推荐算法模块 | 第67页 |
| ·推荐结果前端显示 | 第67-69页 |
| ·本章总结 | 第69-71页 |
| 第6章 总结与展望 | 第71-73页 |
| ·本文工作总结 | 第71页 |
| ·未来工作展望 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79-81页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第81页 |
