面向冷启动用户的音乐热评混合推荐系统的研究与实现
| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第1章 绪论 | 第14-21页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 研究意义 | 第15-16页 |
| 1.3 国内外研究现状 | 第16-18页 |
| 1.3.1 国外发展及研究 | 第16-17页 |
| 1.3.2 国内发展与研究 | 第17页 |
| 1.3.3 当前推荐系统的发展重点 | 第17-18页 |
| 1.4 研究内容 | 第18-19页 |
| 1.5 论文的组织结构 | 第19-20页 |
| 1.6 本章小结 | 第20-21页 |
| 第2章 相关技术理论综述 | 第21-30页 |
| 2.1 推荐系统综述 | 第21-24页 |
| 2.2 冷启动问题综述 | 第24-26页 |
| 2.2.1 冷启动问题产生的原因 | 第24-25页 |
| 2.2.2 冷启动问题的分类 | 第25页 |
| 2.2.3 冷启动问题的解决方案 | 第25-26页 |
| 2.3 数据获取 | 第26-27页 |
| 2.3.1 网络爬虫的介绍 | 第26-27页 |
| 2.3.2 网络爬虫的类型 | 第27页 |
| 2.4 数据预处理 | 第27-29页 |
| 2.4.1 原始数据问题 | 第27-28页 |
| 2.4.2 数据处理技术 | 第28-29页 |
| 2.5 平台存储 | 第29页 |
| 2.5.1 MongoDB数据库 | 第29页 |
| 2.5.2 SQLite数据库 | 第29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 推荐平台概要设计 | 第30-36页 |
| 3.1 需求分析 | 第30-32页 |
| 3.1.1 功能性需求 | 第30-31页 |
| 3.1.2 非功能性需求 | 第31-32页 |
| 3.2 平台架构 | 第32-34页 |
| 3.2.1 整体架构 | 第32-33页 |
| 3.2.2 数据存储模块 | 第33页 |
| 3.2.3 数据获取模块 | 第33-34页 |
| 3.2.4 混合推荐模块 | 第34页 |
| 3.2.5 平台展示模块 | 第34页 |
| 3.3 平台处理流程 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 推荐平台详细设计与实现 | 第36-61页 |
| 4.1 数据获取模块 | 第36-40页 |
| 4.1.1 数据获取流程 | 第36-37页 |
| 4.1.2 评论获取技术选择 | 第37-38页 |
| 4.1.3 评论获取功能实现 | 第38-40页 |
| 4.1.4 定时获取功能实现 | 第40页 |
| 4.2 数据存储模块 | 第40-46页 |
| 4.2.1 用户画像存储 | 第40-43页 |
| 4.2.2 评论画像存储 | 第43-45页 |
| 4.2.3 歌单基本信息存储 | 第45-46页 |
| 4.3 混合推荐模块 | 第46-58页 |
| 4.3.1 评论热度召回 | 第47-49页 |
| 4.3.2 评论标签相似召回 | 第49-50页 |
| 4.3.3 评论内容相似召回 | 第50-51页 |
| 4.3.4 排序子模块 | 第51-56页 |
| 4.3.5 混合推荐整体模块 | 第56-58页 |
| 4.4 展现模块 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第5章 平台测试 | 第61-68页 |
| 5.1 异步网络爬虫测试 | 第61-62页 |
| 5.2 平台功能测试 | 第62页 |
| 5.3 推荐效果测试 | 第62-64页 |
| 5.3.1 精确率指标 | 第62-63页 |
| 5.3.2 召回率指标 | 第63页 |
| 5.3.3 F1-Score | 第63页 |
| 5.3.4 效果展示 | 第63-64页 |
| 5.4 平台展示 | 第64-66页 |
| 5.5 本章小结 | 第66-68页 |
| 第6章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 致谢 | 第72-73页 |
| 学位论文评闻及答辩情况表 | 第73页 |
