基于用户行为和项目内容的混合推荐算法研究与应用
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文的主要工作与创新点 | 第14-15页 |
| 1.4 本论文的组织结构安排 | 第15-17页 |
| 第二章 相关理论概述 | 第17-31页 |
| 2.1 爬虫技术介绍 | 第17-18页 |
| 2.2 主题模型介绍 | 第18-20页 |
| 2.3 推荐算法介绍 | 第20-28页 |
| 2.3.1 协同过滤推荐算法 | 第21-24页 |
| 2.3.2 基于内容的推荐算法 | 第24-25页 |
| 2.3.3 基于网络的推荐算法 | 第25-27页 |
| 2.3.4 其他推荐算法 | 第27-28页 |
| 2.4 推荐系统的评价标准 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于项目主题的混合推荐算法 | 第31-47页 |
| 3.1 数据的获取与处理 | 第31-39页 |
| 3.1.1 网络数据爬取 | 第32-35页 |
| 3.1.2 数据解析 | 第35-36页 |
| 3.1.3 数据清洗 | 第36-37页 |
| 3.1.4 数据质量分析 | 第37-39页 |
| 3.2 推荐算法方案整体架构 | 第39页 |
| 3.3 影片主题获取 | 第39-42页 |
| 3.3.1 影片主题建模 | 第39-41页 |
| 3.3.2 影片主题的选取 | 第41-42页 |
| 3.4 影片推荐 | 第42-45页 |
| 3.4.1 影片的相似度计算 | 第42-44页 |
| 3.4.2 评分计算 | 第44-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 基于项目类型缺失的混合推荐算法 | 第47-65页 |
| 4.1 影片简介的关键词提取 | 第47-51页 |
| 4.1.1 影片简介分词 | 第47-49页 |
| 4.1.2 数据清洗 | 第49页 |
| 4.1.3 关键词选择 | 第49-51页 |
| 4.2 推荐算法方案整体架构 | 第51-53页 |
| 4.3 影片类型获取 | 第53-62页 |
| 4.3.1 特征的提取 | 第53-59页 |
| 4.3.2 分类模型的建立 | 第59-60页 |
| 4.3.3 影片类型的预测 | 第60-62页 |
| 4.4 影片主题获取 | 第62页 |
| 4.5 影片推荐 | 第62-63页 |
| 4.5.1 影片相似度计算 | 第62-63页 |
| 4.5.2 评分计算 | 第63页 |
| 4.6 本章小结 | 第63-65页 |
| 第五章 实验结果对比与分析 | 第65-77页 |
| 5.1 实验数据及相关说明 | 第65-68页 |
| 5.1.1 实验数据说明 | 第65-67页 |
| 5.1.2 评价标准及实验环境说明 | 第67-68页 |
| 5.2 基于项目主题的混合推荐算法结果分析 | 第68-71页 |
| 5.2.1 随机性及参数说明 | 第68-69页 |
| 5.2.2 实验结果分析 | 第69-71页 |
| 5.3 基于项目类型缺失的混合推荐算法结果分析 | 第71-75页 |
| 5.3.1 数据抽样说明 | 第71-72页 |
| 5.3.2 随机性及参数说明 | 第72-73页 |
| 5.3.3 实验结果分析 | 第73-75页 |
| 5.4 本章小结 | 第75-77页 |
| 第六章 全文总结与展望 | 第77-80页 |
| 6.1 全文总结 | 第77-78页 |
| 6.2 后续工作展望 | 第78-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-84页 |
| 攻读硕士学位期间取得的成果 | 第84-85页 |
