推荐系统中协同过滤算法的改进与研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-14页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文的研究内容 | 第11-12页 |
| 1.4 本文的结构安排 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 2 协同过滤推荐算法 | 第14-27页 |
| 2.1 推荐系统简介 | 第14-17页 |
| 2.1.1 推荐系统概念 | 第14-15页 |
| 2.1.2 推荐系统构成 | 第15-16页 |
| 2.1.3 推荐系统分类 | 第16-17页 |
| 2.2 协同过滤推荐算法介绍 | 第17-19页 |
| 2.2.1 数据的收集 | 第17-18页 |
| 2.2.2 协同过滤算法的分类 | 第18-19页 |
| 2.3 协同过滤算法推荐过程 | 第19-22页 |
| 2.4 协同过滤推荐算法问题及改进 | 第22-23页 |
| 2.5 协同过滤推荐算法评价指标 | 第23-25页 |
| 2.6 常用数据集 | 第25-26页 |
| 2.7 测试方法 | 第26页 |
| 2.8 本章小结 | 第26-27页 |
| 3 基于用户偏好的人工免疫算法 | 第27-44页 |
| 3.1 人工免疫系统概述 | 第27-31页 |
| 3.1.1 生物免疫系统 | 第27-28页 |
| 3.1.2 生物免疫系统基本概念 | 第28-29页 |
| 3.1.3 人工免疫算法基本框架 | 第29-31页 |
| 3.2 基于人工免疫理论的推荐问题描述 | 第31-37页 |
| 3.2.1 推荐问题的形态空间模型 | 第31-33页 |
| 3.2.2 最近邻选择的多样化 | 第33-34页 |
| 3.2.3 人工免疫网络模型 | 第34-35页 |
| 3.2.4 免疫推荐算法 | 第35-37页 |
| 3.3 用户偏好引入 | 第37-38页 |
| 3.4 基于用户偏好的人工免疫算法 | 第38-42页 |
| 3.4.1 用户偏好聚类 | 第39-40页 |
| 3.4.2 基于用户偏好的人工免疫算法 | 第40-42页 |
| 3.5 本章小结 | 第42-44页 |
| 4 基于用户注册信息和用户偏好的免疫推荐算法 | 第44-52页 |
| 4.1 结合用户注册信息的推荐 | 第44-45页 |
| 4.1.1 用户注册信息的内容 | 第44页 |
| 4.1.2 用户注册信息的价值 | 第44页 |
| 4.1.3 结合用户注册信息的推荐模型 | 第44-45页 |
| 4.2 基于用户注册信息和用户偏好的免疫推荐算法 | 第45-51页 |
| 4.2.1 用户信息数据处理 | 第46-47页 |
| 4.2.2 算法推荐过程 | 第47-51页 |
| 4.3 本章小结 | 第51-52页 |
| 5 实验设计与结果分析 | 第52-57页 |
| 5.1 数据描述 | 第52-53页 |
| 5.2 度量标准 | 第53页 |
| 5.3 评估矩阵的填充 | 第53页 |
| 5.4 实验结果与分析 | 第53-56页 |
| 5.5 本章小结 | 第56-57页 |
| 6 结论 | 第57-59页 |
| 6.1 工作总结 | 第57-58页 |
| 6.2 工作展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第63-65页 |
| 学位论文数据集 | 第65页 |
