| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 发展概述 | 第10页 |
| 1.2.2 研究现状 | 第10-12页 |
| 1.3 本文研究内容及结构安排 | 第12-13页 |
| 1.3.1 研究内容 | 第12页 |
| 1.3.2 本文内容安排 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第2章 个性化推荐算法研究 | 第14-27页 |
| 2.1 推荐系统分类 | 第14-16页 |
| 2.2 基于内容的个性化推荐系统 | 第16-17页 |
| 2.3 基于协同过滤的推荐系统 | 第17页 |
| 2.4 基于聚类的协同过滤算法 | 第17-22页 |
| 2.4.1 聚类思想 | 第18-19页 |
| 2.4.2 K-means聚类 | 第19-20页 |
| 2.4.3 基于用户聚类的协同过滤 | 第20-22页 |
| 2.5 基于矩阵分解模型的推荐系统 | 第22-24页 |
| 2.6 基于图论的模型推荐系统 | 第24-25页 |
| 2.7 组合推荐 | 第25页 |
| 2.8 本章小结 | 第25-27页 |
| 第3章 协同过滤在个性化推荐中的应用 | 第27-35页 |
| 3.1 协同过滤算法分类 | 第27-28页 |
| 3.2 协同过滤的推荐算法 | 第28-32页 |
| 3.2.1 基于用户(User-based)的协同过滤推荐算法 | 第28-31页 |
| 3.2.2 基于项目(Item-based)的协同过滤推荐算法 | 第31-32页 |
| 3.3 协同过滤推荐算法的适用性分析 | 第32-33页 |
| 3.3.1 UserCF和ItemCF的对比 | 第32-33页 |
| 3.3.2 UserCF和ItemCF的适用性 | 第33页 |
| 3.4 本章小结 | 第33-35页 |
| 第4章 基于标签谱聚类的协同过滤推荐策略 | 第35-45页 |
| 4.1 标签与UGC标签系统 | 第35-38页 |
| 4.1.1 专家标签 | 第35页 |
| 4.1.2 基于内容的标签 | 第35-36页 |
| 4.1.3 UGC标签 | 第36-38页 |
| 4.2 谱聚类算法 | 第38-39页 |
| 4.2.1 聚类方法分类 | 第38页 |
| 4.2.2 谱聚类基本思想 | 第38-39页 |
| 4.3 标签的综合共现相似度 | 第39-41页 |
| 4.3.1 标签相似度的选择 | 第39-40页 |
| 4.3.2 综合共现相似度 | 第40-41页 |
| 4.4 改进算法TSCF | 第41-44页 |
| 4.4.1 改进算法的基本思想 | 第41-42页 |
| 4.4.2 用户分组 | 第42-43页 |
| 4.4.3 改进算法描述 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 实验仿真 | 第45-55页 |
| 5.1 实验方法及评价指标 | 第45-47页 |
| 5.1.1 实验方法 | 第45页 |
| 5.1.2 评测指标 | 第45-47页 |
| 5.2 实验数据集及实验环境 | 第47-48页 |
| 5.2.1 数据集介绍 | 第47-48页 |
| 5.2.2 实验环境介绍 | 第48页 |
| 5.3 实验设计 | 第48页 |
| 5.4 实验结果与分析 | 第48-54页 |
| 5.4.1 控制变量探究 | 第48-50页 |
| 5.4.2 标签谱聚类簇数 | 第50-51页 |
| 5.4.3 本文提出的TSCF算法 | 第51-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 本文总结 | 第55-56页 |
| 6.2 下一步工作计划 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读学位期间取得的研究成果 | 第61-62页 |
| 致谢 | 第62页 |