基于协同过滤算法的数学表达式推荐模型
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 引言 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 数学表达式检索的研究现状 | 第10页 |
| 1.2.2 个性化推荐的研究现状 | 第10-14页 |
| 1.2.3 用户模型的研究现状 | 第14-15页 |
| 1.3 研究内容及主要工作 | 第15-16页 |
| 1.4 文章组织结构 | 第16-17页 |
| 第2章 相关理论概述 | 第17-21页 |
| 2.1 协同过滤推荐算法 | 第17-18页 |
| 2.2 模糊集理论及应用 | 第18-20页 |
| 2.2.1 模糊集 | 第18-19页 |
| 2.2.2 模糊集的相似性度量 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 基于数学表达式的用户行为建模 | 第21-29页 |
| 3.1 用户建模目标 | 第21-24页 |
| 3.1.1 需求分析 | 第21-23页 |
| 3.1.2 数学表达式位置关系偏好设置 | 第23-24页 |
| 3.2 多特征模糊评分 | 第24-27页 |
| 3.2.1 用户行为指标及相关定义 | 第24-25页 |
| 3.2.2 用户行为隶属度函数 | 第25-27页 |
| 3.3 不同评价指标的权重 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第4章 数学表达式推荐模型 | 第29-43页 |
| 4.1 推荐模型工作原理 | 第29-31页 |
| 4.2 数学公式预处理 | 第31-34页 |
| 4.3 用户相似性度量 | 第34-36页 |
| 4.3.1 用户相似性度量方法 | 第35页 |
| 4.3.2 近邻用户集合 | 第35-36页 |
| 4.4 数学表达式推荐列表生成 | 第36-39页 |
| 4.4.1 无记录数学表达式的加权预测评分 | 第36-37页 |
| 4.4.2 兴趣列表的产生方法 | 第37-39页 |
| 4.5 数学表达式推荐模型 | 第39-41页 |
| 4.5.1 数学表达式推荐模型设计 | 第39-40页 |
| 4.5.2 数学表达式推荐的功能实现 | 第40-41页 |
| 4.6 本章小结 | 第41-43页 |
| 第5章 实验结果及分析 | 第43-49页 |
| 5.1 评价方法 | 第43-44页 |
| 5.2 实验结果 | 第44-45页 |
| 5.3 实例分析 | 第45-48页 |
| 5.4 本章小结 | 第48-49页 |
| 第6章 总结与展望 | 第49-51页 |
| 6.1 工作总结 | 第49页 |
| 6.2 后续工作展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间取得的科研成果 | 第56页 |
