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

基于用户兴趣建模的推荐方法及应用研究

摘要第1-7页
ABSTRACT第7-9页
目录第9-18页
第一章 绪论第18-32页
   ·引言第18-19页
   ·研究背景第19-28页
     ·互联网的发展概况第19-21页
     ·从搜索引擎到推荐系统第21-23页
     ·推荐系统的机遇和挑战第23-28页
   ·研究内容第28-30页
   ·组织结构第30-32页
第二章 相关研究工作概述第32-50页
   ·引言第32页
   ·推荐算法研究进展第32-38页
     ·推荐系统中的用户建模第32-35页
     ·推荐算法的设计方案第35-36页
     ·推荐结果的评估标准第36-38页
   ·用户建模面临的挑战第38-43页
     ·用户冷启动问题第39-41页
     ·兴趣多样性问题第41-43页
   ·融合情境信息的移动推荐服务第43-48页
     ·移动推荐的应用第43-44页
     ·面向推荐的移动情境建模问题第44-47页
     ·情境模型与推荐算法的融合问题第47-48页
   ·本章小结第48-50页
第三章 基于用户兴趣扩展的个性化推荐算法第50-76页
   ·引言第50-53页
     ·研究动机第51-52页
     ·主要贡献第52-53页
   ·相关工作第53-56页
   ·推荐算法框架第56-58页
   ·用户兴趣建模第58-62页
     ·用户兴趣抽取第58-60页
     ·用户兴趣关联图第60-61页
     ·用户兴趣扩展第61-62页
   ·iExpand推荐算法第62-65页
     ·推荐列表的生成第62-63页
     ·参数估计第63-65页
     ·计算复杂度第65页
   ·实验分析第65-75页
     ·实验设置第65-67页
     ·LDA参数设置第67-68页
     ·推荐效果比较第68-72页
     ·个性化排序中的参数设置第72页
     ·兴趣展示和兴趣扩展第72-74页
     ·结果讨论第74-75页
   ·本章小结第75-76页
第四章 融合情境信息的个性化旅游套餐推荐算法第76-98页
   ·引言第76-77页
   ·相关工作第77-79页
   ·相关概念和数据分析第79-82页
   ·TAST游客兴趣表示模型第82-87页
     ·模型设计第82-84页
     ·模型推导第84-85页
     ·地区和季节划分第85-86页
     ·相关模型第86-87页
   ·Cocktail旅游套餐推荐算法第87-90页
     ·季节相关的协同过滤第87-88页
     ·新套餐推荐第88-89页
     ·价格偏好第89-90页
     ·相关推荐算法第90页
   ·实验分析第90-97页
     ·实验设置第90-92页
     ·季节划分和价格分段第92-93页
     ·Perplexity比较第93-94页
     ·主题理解第94-95页
     ·推荐结果比较第95-97页
   ·本章小结第97-98页
第五章 最优初始项目推荐算法第98-120页
   ·引言第98-100页
   ·相关工作第100-101页
   ·问题定义第101-102页
   ·启发式推荐算法第102-104页
   ·带先验的PageRank贪心推荐算法第104-109页
     ·PageRank算法第105-106页
     ·线性信息传播模型第106-107页
     ·初始项目贪心推荐算法第107-109页
   ·实验分析第109-117页
     ·新注册用户第109-113页
     ·冷启动用户第113-117页
   ·讨论第117-118页
   ·本章小结第118-120页
第六章 总结与展望第120-126页
   ·工作总结第121-122页
   ·贡献和创新点第122-123页
   ·未来展望第123-126页
参考文献第126-142页
致谢第142-146页
在读期间发表的学术论文与取得的研究成果第146-149页

论文共149页,点击 下载论文
上一篇:基于CMOS工艺的低功耗IR-UWB通信系统芯片研究与实现
下一篇:基于本体的知识库分类研究