基于用户聚类的协同过滤推荐系统研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究背景 | 第11-12页 |
| ·电子商务推荐系统发展现状 | 第12-15页 |
| ·电子商务推荐系统实例 | 第13-14页 |
| ·个性化推荐系统与协同过滤推荐算法 | 第14-15页 |
| ·论文研究的目的与意义 | 第15-16页 |
| ·论文技术路线 | 第16-17页 |
| ·论文研究内容 | 第17-18页 |
| 第2章 个性化推荐技术综述 | 第18-29页 |
| ·基于内容的推荐技术 | 第18-20页 |
| ·基于关联规则的推荐技术 | 第20-21页 |
| ·协同过滤推荐技术 | 第21-26页 |
| ·传统的协同过滤推荐算法 | 第22-24页 |
| ·协同过滤推荐技术中的几个基本问题的研究 | 第24-26页 |
| ·组合推荐算法 | 第26-27页 |
| ·独立组合推荐 | 第26-27页 |
| ·半融合组合推荐 | 第27页 |
| ·全融合组合推荐 | 第27页 |
| ·其他推荐算法 | 第27-29页 |
| 第3章 聚类技术综述 | 第29-36页 |
| ·聚类算法的概念及原理 | 第29页 |
| ·几种重要的聚类算法 | 第29-31页 |
| ·蚁群聚类算法 | 第31-36页 |
| ·蚁群算法概述 | 第31-33页 |
| ·蚁群算法在聚类中的应用 | 第33-36页 |
| 第4章 协同过滤推荐算法优化设计 | 第36-45页 |
| ·数据的收集与整理 | 第36-37页 |
| ·用户聚类 | 第37-39页 |
| ·查找邻居用户 | 第39-44页 |
| ·用户偏好相似性 | 第39-40页 |
| ·用户特征相似性 | 第40-43页 |
| ·计算综合相似性,选取邻居用户 | 第43-44页 |
| ·计算预测评分,得出推荐 | 第44页 |
| 本章小结 | 第44-45页 |
| 第5章 实验分析与比较 | 第45-62页 |
| ·实验数据收集与实验平台 | 第45页 |
| ·聚类基础上的改进的协同过滤推荐算法的实现 | 第45-54页 |
| ·用户聚类 | 第46-49页 |
| ·查找邻居用户 | 第49-52页 |
| ·预测目标用户对项目的评分并得出推荐 | 第52-54页 |
| ·传统的协同过滤推荐算法 | 第54-57页 |
| ·查找邻居用户 | 第54-56页 |
| ·预测评分并得出推荐 | 第56-57页 |
| ·两种推荐算法的比较 | 第57-62页 |
| ·推荐准确性比较 | 第57-59页 |
| ·对"冷开始"问题的解决 | 第59-60页 |
| ·对"数据稀疏性"问题的解决 | 第60-62页 |
| 结论 | 第62-64页 |
| 本文工作总结 | 第62-63页 |
| 工作展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
