首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

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

论文共56页,点击 下载论文
上一篇:缩小候选集的Top-k高效模式挖掘算法研究
下一篇:基于Dirichlet过程的Deep Web数据源聚类研究