增量协同过滤算法的并行化改进
摘要 | 第3-4页 |
ABSTRACT | 第4-5页 |
1 绪论 | 第8-13页 |
1.1 研究背景与意义 | 第8-9页 |
1.2 研究现状 | 第9-11页 |
1.3 论文研究内容 | 第11页 |
1.4 论文组织结构 | 第11-13页 |
2 推荐系统及相关技术 | 第13-20页 |
2.1 推荐算法概述 | 第13页 |
2.2 推荐算法分类 | 第13-17页 |
2.2.1 基于内容的推荐算法 | 第13-15页 |
2.2.2 基于网络结构的推荐算法 | 第15页 |
2.2.3 混合推荐算法 | 第15-17页 |
2.3 推荐算法的评测 | 第17-19页 |
2.3.1 预测准确度 | 第17-18页 |
2.3.2 覆盖率 | 第18页 |
2.3.3 新颖性 | 第18-19页 |
2.3.4 实时性 | 第19页 |
2.4 本章小结 | 第19-20页 |
3 协同过滤推荐算法 | 第20-30页 |
3.1 协同过滤推荐 | 第20-21页 |
3.2 协同过滤分类介绍 | 第21-26页 |
3.2.1 基于用户的协同过滤算法 | 第21-23页 |
3.2.2 基于项目的协同过滤 | 第23-25页 |
3.2.3 基于模型的协同过滤 | 第25页 |
3.2.4 协同过滤算法的比较 | 第25-26页 |
3.3 协同过滤算法存在的问题 | 第26-27页 |
3.4 GDC相似度及其优化 | 第27页 |
3.5 K近邻优化 | 第27-28页 |
3.6 本章小结 | 第28-30页 |
4 增量协同过滤及其并行化改进 | 第30-39页 |
4.1 增量协同过滤概述 | 第30页 |
4.2 增量协同过滤 | 第30-33页 |
4.2.1 因子分解 | 第30-32页 |
4.2.2 更新缓存因子 | 第32页 |
4.2.3 算法的预测 | 第32页 |
4.2.4 算法计算过程描述 | 第32-33页 |
4.3 增量协同过滤并行化改进 | 第33-38页 |
4.3.1 并行化改进的提出 | 第33-34页 |
4.3.2 算法并行化存在的问题 | 第34-35页 |
4.3.3 新缓存因子更新 | 第35-36页 |
4.3.4 算法计算过程描述 | 第36-38页 |
4.4 本章小结 | 第38-39页 |
5 实验设计与结果分析 | 第39-49页 |
5.1 实验数据和环境 | 第39页 |
5.1.1 实验数据集 | 第39页 |
5.1.2 实验环境 | 第39页 |
5.1.3 实验评价标准 | 第39页 |
5.2 实验设计 | 第39-40页 |
5.3 实验结果与分析 | 第40-48页 |
5.4 本章小结 | 第48-49页 |
6 总结与展望 | 第49-51页 |
6.1 论文总结 | 第49页 |
6.2 论文展望 | 第49-51页 |
致谢 | 第51-52页 |
参考文献 | 第52-56页 |
附录 | 第56页 |