基于交互的协同过滤算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文工作创新 | 第10页 |
| 1.4 结构组织 | 第10-12页 |
| 第2章 相关理论及技术研究 | 第12-22页 |
| 2.1 推荐系统定义及主流算法 | 第12-15页 |
| 2.1.1 协同过滤推荐 | 第12-13页 |
| 2.1.2 基于内容推荐 | 第13页 |
| 2.1.3 基于知识推荐 | 第13-14页 |
| 2.1.4 混合推荐 | 第14-15页 |
| 2.2 评测指标 | 第15-18页 |
| 2.2.1 评分预测 | 第15-16页 |
| 2.2.2 TOP N推荐 | 第16页 |
| 2.2.3 其他 | 第16-18页 |
| 2.3 协同过滤 | 第18-21页 |
| 2.3.1 主要类型 | 第18-19页 |
| 2.3.2 现有相似度指标 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 用户-推荐系统交互场景 | 第22-27页 |
| 3.1 数据模型 | 第22-23页 |
| 3.2 评测指标 | 第23-24页 |
| 3.3 单一反馈型 | 第24-25页 |
| 3.4 批量反馈型 | 第25页 |
| 3.5 本章小结 | 第25-27页 |
| 第4章 批量反馈下的JCT推荐算法 | 第27-33页 |
| 4.1 JCT相似度 | 第27-29页 |
| 4.1.1 TRIANGIE相似度 | 第27-28页 |
| 4.1.2 JCT_A和JCT_M | 第28-29页 |
| 4.2 算法描述 | 第29-31页 |
| 4.3 运行实例 | 第31-32页 |
| 4.4 本章小结 | 第32-33页 |
| 第5章 实验 | 第33-44页 |
| 5.1 数据集 | 第33页 |
| 5.2 评分预测 | 第33-37页 |
| 5.2.1 相似度对比实验 | 第34-35页 |
| 5.2.2 数据集对比实验 | 第35-37页 |
| 5.3 TOP N推荐 | 第37-43页 |
| 5.3.1 交互场景对比实验 | 第37-40页 |
| 5.3.2 相似度对比实验 | 第40-43页 |
| 5.4 本章小结 | 第43-44页 |
| 第6章 总结与展望 | 第44-46页 |
| 6.1 本文工作总结 | 第44页 |
| 6.2 未来工作展望 | 第44-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第51页 |
