Mahout平台下协同过滤推荐算法的研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 引言 | 第8-20页 |
| 1.1 研究背景和意义 | 第8-10页 |
| 1.2 研究现状 | 第10-15页 |
| 1.2.1 推荐系统研究现状 | 第10-12页 |
| 1.2.2 推荐算法研究现状 | 第12-15页 |
| 1.3 协同过滤技术所面临的挑战 | 第15-17页 |
| 1.4 研究内容 | 第17页 |
| 1.5 论文组织结构 | 第17-20页 |
| 2 推荐系统相关技术 | 第20-28页 |
| 2.1 推荐系统概述 | 第20-21页 |
| 2.2 Mahout简介 | 第21-23页 |
| 2.3 常见的推荐算法 | 第23-27页 |
| 2.3.1 协同过滤推荐算法 | 第23-24页 |
| 2.3.2 基于内容的推荐算法 | 第24-25页 |
| 2.3.3 基于关联规则推荐算法 | 第25页 |
| 2.3.4 基于效用的推荐算法 | 第25-26页 |
| 2.3.5 基于知识的推荐算法 | 第26页 |
| 2.3.6 组合推荐算法 | 第26-27页 |
| 2.3.7 各种推荐算法的对比 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 协同过滤推荐算法的研究 | 第28-40页 |
| 3.1 协同过滤推荐算法思想 | 第28-29页 |
| 3.2 协同过滤推荐算法步骤 | 第29-34页 |
| 3.2.1 用户偏好数据表示 | 第29-30页 |
| 3.2.2 形成最近邻居 | 第30-34页 |
| 3.2.3 产生推荐数据集 | 第34页 |
| 3.3 基于用户协同过滤推荐算法的设计 | 第34-35页 |
| 3.4 基于项目协同过滤推荐算法的设计 | 第35-37页 |
| 3.5 两种算法对比 | 第37-38页 |
| 3.6 本章小结 | 第38-40页 |
| 4 组合推荐算法设计 | 第40-48页 |
| 4.1 评分矩阵对推荐效果的影响 | 第40-41页 |
| 4.2 数据稀疏性问题的相关研究 | 第41-42页 |
| 4.3 相似性计算分析 | 第42-43页 |
| 4.4 组合推荐算法的研究 | 第43-46页 |
| 4.4.1 算法的基本思想 | 第44页 |
| 4.4.2 算法的具体流程 | 第44-46页 |
| 4.5 本章小结 | 第46-48页 |
| 5 推荐算法性能对比分析 | 第48-60页 |
| 5.1 仿真数据 | 第48-49页 |
| 5.2 仿真环境配置 | 第49页 |
| 5.3 推荐系统的评测标准 | 第49-50页 |
| 5.4 仿真结果与分析 | 第50-58页 |
| 5.4.1 基于用户的协同过滤推荐算法 | 第50-51页 |
| 5.4.2 基于项目的协同过滤推荐算法 | 第51-52页 |
| 5.4.3 组合推荐算法 | 第52-58页 |
| 5.5 本章小结 | 第58-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 论文工作总结 | 第60页 |
| 6.2 研究展望 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 附录 | 第68页 |
