基于用户兴趣感知的个性化美食推荐算法研究与应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及研究意义 | 第11-12页 |
| 1.2 相关技术国内外研究现状 | 第12-15页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-15页 |
| 1.3 本文的主要工作与论文组织结构 | 第15-17页 |
| 1.3.1 本文的主要工作 | 第15-16页 |
| 1.3.2 论文的组织结构 | 第16-17页 |
| 第2章 个性化推荐系统及相关技术 | 第17-27页 |
| 2.1 个性化推荐系统 | 第17-19页 |
| 2.1.1 推荐系统定义 | 第17-18页 |
| 2.1.2 推荐系统组成 | 第18-19页 |
| 2.2 个性化推荐算法 | 第19-25页 |
| 2.2.1 基于内容过滤的推荐 | 第19-21页 |
| 2.2.2 协同过滤推荐算法 | 第21页 |
| 2.2.3 基于用户的协同过滤推荐算法 | 第21-22页 |
| 2.2.4 基于项目的协同过滤推荐算法 | 第22-23页 |
| 2.2.5 协同过滤推荐算法对比 | 第23-24页 |
| 2.2.6 混合推荐算法 | 第24-25页 |
| 2.3 推荐技术存在的难点 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于用户兴趣感知建模 | 第27-37页 |
| 3.1 用户兴趣建模概述 | 第27-30页 |
| 3.1.1 用户数据收集 | 第27-28页 |
| 3.1.2 用户兴趣模型表示 | 第28-29页 |
| 3.1.3 用户兴趣的建模 | 第29页 |
| 3.1.4 模型的更新 | 第29-30页 |
| 3.2 基于菜品层次划分的用户兴趣建模 | 第30-36页 |
| 3.2.1 菜品层级分类 | 第30-31页 |
| 3.2.2 用户兴趣感知 | 第31-33页 |
| 3.2.3 本地专家发现 | 第33-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第4章 基于兴趣感知的个性化推荐算法 | 第37-48页 |
| 4.1 兴趣感知选择算法 | 第37-39页 |
| 4.2 基于改进用户相似度的菜品推荐算法 | 第39-41页 |
| 4.2.1 用户相似度计算 | 第39-40页 |
| 4.2.2 基于用户兴趣模型的相似度计算 | 第40页 |
| 4.2.3 菜品预测评分 | 第40-41页 |
| 4.3 基于时间的兴趣感知算法和菜品推荐算法 | 第41-47页 |
| 4.3.1 基于时间的兴趣感知选择算法 | 第43页 |
| 4.3.2 艾宾浩斯遗忘规律 | 第43-44页 |
| 4.3.3 基于时间遗忘的菜品评分 | 第44-45页 |
| 4.3.4 概率密度函数估计 | 第45页 |
| 4.3.5 基于时间概率的菜品评分 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 实验设计与结果分析 | 第48-55页 |
| 5.1 实验数据集与实验环境 | 第48-49页 |
| 5.1.1 实验数据集来源 | 第48页 |
| 5.1.2 实验软硬件环境 | 第48-49页 |
| 5.2 评价标准 | 第49-50页 |
| 5.3 实验实施步骤 | 第50-51页 |
| 5.4 实验结果和分析 | 第51-54页 |
| 5.5 本章小结 | 第54-55页 |
| 结论 | 第55-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 附录A 攻读学位期间所发表的学术论文 | 第63-64页 |
| 附录B 攻读硕士期间参与的项目列表 | 第64页 |
