推荐系统的改进--在SVD协同过滤算法中引入时间衰退函数
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 选题背景和意义 | 第12-15页 |
| 1.2 推荐系统的发展历史与研究现状 | 第15-19页 |
| 1.3 本文内容与结构 | 第19-20页 |
| 第2章 推荐系统基本理论与技术 | 第20-42页 |
| 2.1 推荐系统的介绍 | 第20-22页 |
| 2.1.1 推荐系统的构成 | 第20页 |
| 2.1.2 推荐系统的形式化描述 | 第20-22页 |
| 2.2 推荐算法的分类 | 第22-25页 |
| 2.3 协同过滤推荐算法 | 第25-32页 |
| 2.3.1 基于模型的协同过滤算法 | 第26-28页 |
| 2.3.2 基于邻居的协同过滤算法 | 第28-32页 |
| 2.4 基于时间的协同过滤推荐算法研究现状 | 第32-39页 |
| 2.4.1 连续时间感知算法 | 第37-38页 |
| 2.4.2 分类时间感知算法 | 第38-39页 |
| 2.5 推荐算法的评价方法和评价指标 | 第39-42页 |
| 2.5.1 评价方法 | 第39-40页 |
| 2.5.2 评价指标 | 第40-42页 |
| 第3章 基于时间衰退的SVD协同过滤算法 | 第42-49页 |
| 3.1 时间信息在推荐算法中的处理方法 | 第42-44页 |
| 3.2 在SVD协同过滤算法引入时间衰退函数 | 第44-49页 |
| 3.2.1 时间衰退函数 | 第45-47页 |
| 3.2.2 SVD协同过滤算法的改进 | 第47-49页 |
| 第4章 实验与结果分析 | 第49-58页 |
| 4.1 实验准备 | 第49-50页 |
| 4.1.1 实验环境 | 第49页 |
| 4.1.2 数据集 | 第49-50页 |
| 4.1.3 评价指标 | 第50页 |
| 4.2 实验过程 | 第50-56页 |
| 4.2.1 时间粒度 | 第50-52页 |
| 4.2.2 隐性因子向量的维数 | 第52-53页 |
| 4.2.3 学习速率和正则化因子 | 第53-54页 |
| 4.2.4 迭代次数 | 第54-56页 |
| 4.3 结果分析 | 第56-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 本文总结 | 第58-59页 |
| 5.2 研究展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间主要研究成果 | 第66-67页 |
