基于混合方式的电影个性化推荐研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 课题研究现状 | 第10-12页 |
| 1.2.1 传统协同过滤研究现状 | 第10-11页 |
| 1.2.2 基于云模型的协同过滤研究 | 第11-12页 |
| 1.3 本文的主要工作及创新点 | 第12-13页 |
| 1.3.1 本文主要工作 | 第12-13页 |
| 1.3.2 本文的主要创新点 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 相关技术介绍 | 第15-27页 |
| 2.1 引言 | 第15页 |
| 2.2 信息检索与信息过滤 | 第15-18页 |
| 2.2.1 信息检索 | 第15页 |
| 2.2.2 信息过滤 | 第15-17页 |
| 2.2.3 信息过滤与信息检索对比 | 第17-18页 |
| 2.3 协同过滤 | 第18-22页 |
| 2.3.1 协同过滤描述 | 第18-19页 |
| 2.3.2 协同过滤算法存在的问题 | 第19-20页 |
| 2.3.3 基于用户的协同过滤算法 | 第20-21页 |
| 2.3.4 基于项目的协同过滤算法 | 第21-22页 |
| 2.4 云模型 | 第22-24页 |
| 2.5 数据稀疏性处理 | 第24-25页 |
| 2.6 传统计算用户相似性 | 第25-27页 |
| 第三章 基于混合方式的推荐 | 第27-43页 |
| 3.1 引言 | 第27页 |
| 3.2 推荐系统框架 | 第27-29页 |
| 3.3 协同过滤模块 | 第29-35页 |
| 3.3.1 基于项目的过滤模块 | 第29-31页 |
| 3.3.2 基于用户的过滤模块 | 第31-35页 |
| 3.4 数据处理模块 | 第35-37页 |
| 3.5 云模型模块 | 第37-42页 |
| 3.6 评分预测模块 | 第42-43页 |
| 第四章 实验结果分析 | 第43-51页 |
| 4.1 实验平台 | 第43页 |
| 4.2 数据来源 | 第43-44页 |
| 4.3 Mahout框架 | 第44-45页 |
| 4.4 推荐质量的评价尺度 | 第45-47页 |
| 4.5 实验及分析 | 第47-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 本文工作总结 | 第51页 |
| 5.2 本文展望 | 第51-53页 |
| 参考文献 | 第53-55页 |
| 致谢 | 第55页 |
