基于谱聚类的个性化推荐系统研究
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-17页 |
| ·个性化推荐系统的研究背景 | 第10-11页 |
| ·个性化推荐系统国内外研究现状 | 第11-13页 |
| ·推荐系统面临的主要问题和挑战 | 第13-14页 |
| ·稀疏性问题 | 第13页 |
| ·可扩展性问题 | 第13页 |
| ·冷启动问题 | 第13页 |
| ·群体推荐问题 | 第13-14页 |
| ·其他问题 | 第14页 |
| ·本文研究内容与研究意义 | 第14-15页 |
| ·本文结构安排 | 第15-17页 |
| 第二章 推荐算法研究介绍 | 第17-32页 |
| ·推荐算法分类方式及相关符号说明 | 第17页 |
| ·基于内容的推荐算法 | 第17-19页 |
| ·基于协同过滤的推荐算法 | 第19-23页 |
| ·基于用户的协同过滤算法 | 第20-22页 |
| ·基于项目的协同过滤算法 | 第22-23页 |
| ·基于用户与项目的协同过滤算法比较 | 第23页 |
| ·基于聚类的协同过滤算法 | 第23-29页 |
| ·K-means聚类算法 | 第25-27页 |
| ·K-means聚类算法改进 | 第27页 |
| ·基于项目聚类的协同过滤算法 | 第27-29页 |
| ·基于用户聚类的协同过滤推荐算法 | 第29页 |
| ·基于用户和项目双聚类的协同过滤推荐算法 | 第29页 |
| ·基于矩阵分解的推荐算法 | 第29-30页 |
| ·基于图模型的推荐算法 | 第30页 |
| ·组合推荐算法 | 第30页 |
| ·本章小结 | 第30-32页 |
| 第三章 基于谱聚类的协同过滤推荐算法 | 第32-43页 |
| ·谱聚类算法 | 第32-35页 |
| ·谱聚类研究现状 | 第32-33页 |
| ·谱聚类基本思想 | 第33-35页 |
| ·加权核模糊聚类算法 | 第35-39页 |
| ·核模糊聚类算法思想 | 第35-37页 |
| ·加权核模糊聚类算法思想 | 第37-39页 |
| ·初始质心选择算法 | 第39页 |
| ·两种改进的相似性度量 | 第39-40页 |
| ·基于用户特征属性谱聚类 | 第40-42页 |
| ·用户职业分类 | 第40-41页 |
| ·用户特征属性预处理 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于用户谱聚类的偏差奇异值分解算法 | 第43-49页 |
| ·矩阵分解研究现状 | 第43-44页 |
| ·矩阵分解模型 | 第44-48页 |
| ·偏差奇异值分解模型 | 第44-46页 |
| ·用户特征属性近邻模型 | 第46-47页 |
| ·基于用户谱聚类的偏差奇异值分解模型 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 实验设计与实验结果 | 第49-59页 |
| ·实验度量指标 | 第49页 |
| ·实验数据集 | 第49-50页 |
| ·基于谱聚类协同过滤算法实验结果与分析 | 第50-55页 |
| ·五种相似方式度量的谱聚类协同过滤推荐算法结果 | 第50-52页 |
| ·谱聚类中基于三种划分方式的算法结果 | 第52-53页 |
| ·NSCCF与KSCCF算法结果 | 第53-55页 |
| ·UFSCCF算法结果 | 第55页 |
| ·基于矩阵分解协同过滤推荐算法实验结果与分析 | 第55-58页 |
| ·偏差奇异值分解算法结果 | 第55-56页 |
| ·基于用户谱聚类的偏差奇异值分解的实验结果 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·本文总结 | 第59页 |
| ·本文创新之处 | 第59-60页 |
| ·进一步工作和展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 在校期间发表的论文 | 第65-66页 |
| 附录 | 第66-68页 |
