基于聚类的个性化推荐算法研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-17页 |
| ·研究背景 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·本文的选题和研究内容 | 第15-16页 |
| ·本文的组织结构 | 第16-17页 |
| 第二章 推荐系统概述 | 第17-31页 |
| ·主流推荐技术 | 第17-25页 |
| ·协同过滤推荐算法 | 第18-21页 |
| ·基于内容的推荐算法 | 第21-23页 |
| ·基于网络的推荐算法 | 第23-25页 |
| ·混合推荐算法 | 第25页 |
| ·常用评价指标 | 第25-28页 |
| ·准确率指标 | 第26-27页 |
| ·其他指标 | 第27-28页 |
| ·数据集及常见处理方式 | 第28-30页 |
| ·数据集介绍 | 第28页 |
| ·MovieLens 中用户信息 | 第28-30页 |
| ·用户信息处理 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第三章 聚类技术综述 | 第31-39页 |
| ·聚类算法的概念及原理 | 第31-32页 |
| ·聚类算法分类 | 第32-38页 |
| ·基于划分的算法 | 第32-34页 |
| ·基于层次的聚类 | 第34-35页 |
| ·基于密度的聚类 | 第35页 |
| ·基于网格的聚类 | 第35-36页 |
| ·基于模型的聚类 | 第36页 |
| ·模糊聚类方法概述 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于聚类实时性和准确性策略 | 第39-58页 |
| ·推荐系统中的关系分析 | 第39-40页 |
| ·基于聚类的实时性策略 | 第40-45页 |
| ·算法思想 | 第40页 |
| ·算法目标 | 第40-41页 |
| ·算法设计 | 第41-43页 |
| ·实验验证 | 第43-45页 |
| ·改进的基于聚类的实时性策略 | 第45-52页 |
| ·算法分析 | 第45页 |
| ·算法设计 | 第45-49页 |
| ·人工数据实验 | 第49-50页 |
| ·真实数据验证 | 第50-52页 |
| ·基于聚类的准确性策略 | 第52-57页 |
| ·算法分析 | 第52-53页 |
| ·算法设计 | 第53-54页 |
| ·人工实验演示 | 第54-55页 |
| ·实验分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 基于聚类的数据稀疏性解决策略 | 第58-66页 |
| ·基于模糊聚类的数据填充 | 第58-62页 |
| ·算法分析 | 第58-59页 |
| ·算法设计 | 第59-61页 |
| ·实验分析 | 第61-62页 |
| ·改进的基于模糊聚类的数据填充 | 第62-65页 |
| ·改进聚类中心的选择 | 第62-64页 |
| ·实验分析 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第六章 总结和展望 | 第66-69页 |
| ·本文研究总结 | 第66-68页 |
| ·前景和未来工作 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 攻硕期间取得的研究成果 | 第75-76页 |
