协同过滤推荐系统研究及其应用
| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究意义及背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 协同过滤推荐算法存在的缺陷 | 第11页 |
| 1.4 本文研究的主要内容 | 第11-12页 |
| 1.5 论文的内容结构 | 第12-13页 |
| 第二章 协同过滤推荐技术 | 第13-22页 |
| 2.1 协同过滤推荐算法 | 第13-20页 |
| 2.1.1 协同过滤算法简介 | 第13-14页 |
| 2.1.2 基于用户的协同过滤算法 | 第14-16页 |
| 2.1.3 基于商品的协同过滤算法 | 第16-19页 |
| 2.1.4 基于模型的协同过滤算法 | 第19-20页 |
| 2.2 推荐系统的评价标准 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 基于双向聚类加权预测的协同过滤算法 | 第22-38页 |
| 3.1 用户聚类 | 第22-26页 |
| 3.1.1 加权相似度的计算 | 第22-23页 |
| 3.1.2 聚类中心的确定 | 第23-25页 |
| 3.1.3 老用户聚类 | 第25页 |
| 3.1.4 新用户聚类 | 第25-26页 |
| 3.2 项目聚类 | 第26-27页 |
| 3.2.1 加权相似度的计算 | 第26-27页 |
| 3.2.2 项目聚类 | 第27页 |
| 3.3 基于双向聚类加权预测的协同过滤算法 | 第27-31页 |
| 3.3.1 老用户推荐 | 第27-28页 |
| 3.3.2 新用户推荐 | 第28-31页 |
| 3.4 实验结果与分析 | 第31-36页 |
| 3.4.1 数据集 | 第31页 |
| 3.4.2 聚类中心的确定 | 第31-33页 |
| 3.4.3 老用户推荐 | 第33-35页 |
| 3.4.4 新用户推荐 | 第35-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 基于缺失值迭代填充的协同过滤推荐算法 | 第38-53页 |
| 4.1 动态加权相似性计算 | 第38-41页 |
| 4.1.1 相似性计算 | 第38-39页 |
| 4.1.2 动态加权相似性计算 | 第39-41页 |
| 4.2 基于缺失值迭代填充的协同过滤算法 | 第41-47页 |
| 4.2.1 缺失值预测 | 第42-44页 |
| 4.2.2 缺失值迭代填充 | 第44-45页 |
| 4.2.3 预测填充值的修正 | 第45-47页 |
| 4.3 实验结果与分析 | 第47-52页 |
| 4.3.1 数据集 | 第47-48页 |
| 4.3.2 数据集的填充 | 第48-50页 |
| 4.3.3 推荐算法的比较 | 第50-52页 |
| 4.4 本文小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 本文研究总结 | 第53页 |
| 5.2 未来研究展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读学位期间发表的学术论文 | 第59-60页 |
