基于评分预测的协同推荐若干问题研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究背景 | 第11-12页 |
| ·研究现状及挑战 | 第12页 |
| ·本文研究内容及创新点 | 第12-13页 |
| ·本文组织结构 | 第13-15页 |
| 第二章 相关研究工作 | 第15-24页 |
| ·协同过滤推荐系统概述 | 第15-18页 |
| ·基于评分预测的协同推荐相关研究 | 第18-22页 |
| ·基于邻居的协同过滤推荐算法 | 第19-20页 |
| ·基于模型的协同过滤推荐算法 | 第20-22页 |
| ·实验数据集及评估方法 | 第22-23页 |
| ·实验数据集 | 第22页 |
| ·实验方法 | 第22-23页 |
| ·评测指标 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于内存的协同过滤改进算法 | 第24-38页 |
| ·基于内存的协同过滤推荐算法介绍 | 第24-26页 |
| ·相似度的计算 | 第25-26页 |
| ·评分的预测 | 第26页 |
| ·基于项目的协同过滤的改进算法 | 第26-30页 |
| ·项目相似性计算的改进 | 第26-28页 |
| ·基于项目的评分预测的改进 | 第28-30页 |
| ·基于用户的协同过滤的改进算法 | 第30-32页 |
| ·用户相似性计算的改进 | 第30-31页 |
| ·基于用户的评分预测的改进 | 第31-32页 |
| ·基于内存的改进算法实验及分析 | 第32-37页 |
| ·不同邻居数下准确度比较 | 第33-34页 |
| ·不同训练比下准确度比较 | 第34-35页 |
| ·改进算法各改进点的比较 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于矩阵分解训练参数自确定算法 | 第38-49页 |
| ·基于矩阵分解推荐算法 | 第38-40页 |
| ·矩阵分解算法原理 | 第38-39页 |
| ·矩阵分解算法描述 | 第39-40页 |
| ·模型参数对预测准确度的影响分析 | 第40-44页 |
| ·维数对准确度的影响 | 第40-41页 |
| ·迭代次数对准确度的影响 | 第41-42页 |
| ·学习速率对准确度的影响 | 第42-43页 |
| ·正则化因子对准确度的影响 | 第43-44页 |
| ·自动训练参数确定(ATPD)算法 | 第44-47页 |
| ·自动训练参数确定框架 | 第44-45页 |
| ·自动训练参数确定算法 | 第45-47页 |
| ·ATPD算法实验及分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 预测值取整对推荐质量的影响研究 | 第49-64页 |
| ·预测值取整对准确度影响分析 | 第49-55页 |
| ·预测值取整对准确度影响 | 第49-51页 |
| ·预测评分值的偏向性分析 | 第51-55页 |
| ·预测值取整提高推荐质量的证明 | 第55-58页 |
| ·取向相邻整数对准确度提升的证明 | 第55-57页 |
| ·取向最优整数对准确度提升的证明 | 第57-58页 |
| ·基于预测评分分布函数的取整算法 | 第58-60页 |
| ·PDPRN取整算法 | 第59页 |
| ·PDPRO取整算法 | 第59-60页 |
| ·基于预测评分分布取整算法实验及介绍 | 第60-63页 |
| ·取整必要性分析 | 第60-62页 |
| ·算法有效性分析 | 第62页 |
| ·算法容错性分析 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·本文工作总结 | 第64页 |
| ·研究展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 附录 作者攻读硕士学位期间发表的学术论文及专利 | 第69-70页 |
| 后记 | 第70页 |
