个性化推荐中协同过滤算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·研究背景及意义 | 第9页 |
| ·国内外研究现状 | 第9-14页 |
| ·国外研究现状 | 第9-11页 |
| ·国内研究现状 | 第11-13页 |
| ·协同过滤面临的挑战 | 第13-14页 |
| ·论文的研究内容和组织结构 | 第14-17页 |
| 2 个性化推荐相关理论 | 第17-27页 |
| ·电子商务个性化推荐方法 | 第17-19页 |
| ·协同过滤推荐算法相关理论 | 第19-22页 |
| ·用户相似性计算方法 | 第19-20页 |
| ·协同过滤推荐 | 第20页 |
| ·基于用户的协同过滤 | 第20-22页 |
| ·基于项目的协同过滤 | 第22页 |
| ·朴素贝叶斯理论 | 第22-23页 |
| ·协同过滤算法中数据的收集 | 第23-24页 |
| ·算法性能评价标准 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 3 基于贝叶斯模型填充的用户聚类协同过滤推荐算法 | 第27-43页 |
| ·现有的协同过滤推荐算法分析 | 第27-28页 |
| ·基于贝叶斯模型填充的用户聚类协同过滤算法 | 第28-37页 |
| ·贝叶斯模型填充评分技术 | 第28-31页 |
| ·改进的 k-means 用户聚类过程 | 第31-32页 |
| ·最近邻查找和产生推荐 | 第32-34页 |
| ·基于贝叶斯模型填充的用户聚类协同过滤算法描述 | 第34-37页 |
| ·实验结果及分析 | 第37-40页 |
| ·实验数据集 | 第37页 |
| ·度量标准 | 第37页 |
| ·实验环境及参数设置 | 第37-38页 |
| ·实验结果比较 | 第38-40页 |
| ·本章小结 | 第40-43页 |
| 4 基于用户局部偏好相似的协同过滤推荐算法 | 第43-53页 |
| ·现有算法的相似性分析 | 第43-45页 |
| ·新算法的理论基础 | 第45-47页 |
| ·slope-one 算法 | 第45页 |
| ·用户兴趣度 | 第45-47页 |
| ·基于用户局部偏好相似的协同过滤推荐算法 | 第47-49页 |
| ·实验结果及分析 | 第49-52页 |
| ·实验数据集 | 第49页 |
| ·实验结果比较 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-55页 |
| ·总结 | 第53页 |
| ·展望 | 第53-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的学术论文 | 第61-63页 |
| 附录 | 第63-66页 |
