基于用户上下文的推荐系统
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究背景和意义 | 第10-12页 |
| ·基于上下文信息的推荐系统 | 第12-13页 |
| ·研究内容 | 第13页 |
| ·论文结构 | 第13-14页 |
| 第2章 推荐系统研究综述 | 第14-27页 |
| ·传统推荐系统概述 | 第14-15页 |
| ·推荐系统分类 | 第15-22页 |
| ·基于协同过滤的推荐模型 | 第15-18页 |
| ·基于内容过滤的推荐模型 | 第18页 |
| ·基于人口统计信息的推荐模型 | 第18-19页 |
| ·基于图的推荐模型 | 第19-20页 |
| ·基于矩阵分解的推荐模型 | 第20-22页 |
| ·上下文信息 | 第22-23页 |
| ·主要评价指标 | 第23-24页 |
| ·推荐精准度 | 第23-24页 |
| ·用户满意度 | 第24页 |
| ·物品覆盖度 | 第24页 |
| ·推荐系统的冷启动与稀疏性 | 第24-25页 |
| ·冷启动问题 | 第24-25页 |
| ·数据稀疏性问题 | 第25页 |
| ·基于情绪特征的推荐系统的研究现状 | 第25页 |
| ·本章小结 | 第25-27页 |
| 第3章 基于情绪特征的推荐系统 | 第27-39页 |
| ·引言 | 第27-30页 |
| ·用户情绪随时间变化 | 第28页 |
| ·用户兴趣偏好随时间变化 | 第28-29页 |
| ·情绪特征分类 | 第29-30页 |
| ·基于情绪特征的推荐算法 | 第30-35页 |
| ·基于情绪特征的物品相似度 | 第31-33页 |
| ·基于情绪特征的矩阵奇异值分解 | 第33-35页 |
| ·融入时间因素的情绪特征分析 | 第35-38页 |
| ·基于算法 JMF_MS_M 的改进算法 | 第35-37页 |
| ·算法复杂度分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 算法性能验证与分析 | 第39-49页 |
| ·评价标准 | 第39-40页 |
| ·实验环境 | 第40-41页 |
| ·实验数据 | 第41-42页 |
| ·实验数据分析 | 第41页 |
| ·实验数据预处理 | 第41-42页 |
| ·实验过程 | 第42页 |
| ·实验结果及分析 | 第42-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 推荐系统设计与实现 | 第49-53页 |
| ·引言 | 第49-50页 |
| ·推荐系统架构 | 第50-52页 |
| ·基于算法 JMF_MS_MT 的系统架构 | 第50-51页 |
| ·推荐引擎设计 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第6章 结束语 | 第53-55页 |
| ·研究工作总结 | 第53-54页 |
| ·对未来工作的展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 作者简介及在学期间所取得的科研成果 | 第58-59页 |
| 致谢 | 第59页 |
