共性群组关联分析在个性化服务系统的应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-12页 |
| 1.1 课题来源与背景 | 第8页 |
| 1.2 课题国内外研究现状 | 第8-10页 |
| 1.2.1 国外研究现状 | 第8-9页 |
| 1.2.2 国内研究现状 | 第9-10页 |
| 1.3 论文主要研究内容 | 第10-11页 |
| 1.4 本文的安排与组织结构 | 第11-12页 |
| 2 个性化服务系统及相关技术概述 | 第12-21页 |
| 2.1 用户建模 | 第12-16页 |
| 2.2 Web挖掘 | 第16-19页 |
| 2.3 推荐算法 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 3 用户兴趣传播的协同过滤算法研究 | 第21-36页 |
| 3.1 传统协同过滤算法不足 | 第21-25页 |
| 3.1.1 数据稀疏性问题 | 第21-24页 |
| 3.1.2 已有解决方案 | 第24-25页 |
| 3.2 基于用户兴趣传播的协同过滤算法 | 第25-31页 |
| 3.2.1 算法策略及原理 | 第26-27页 |
| 3.2.2 二部图构建及投影 | 第27-28页 |
| 3.2.3 用户兴趣向量的建立和更新 | 第28-29页 |
| 3.2.4 基于兴趣的相似性计算 | 第29-30页 |
| 3.2.5 评分值预测 | 第30页 |
| 3.2.6 用户兴趣传播的协同过滤算法UIT描述 | 第30-31页 |
| 3.3 算法实验及结果分析 | 第31-35页 |
| 3.3.1 采取的基准数据集 | 第31-32页 |
| 3.3.2 算法性能评价 | 第32-33页 |
| 3.3.3 实验结果与分析 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 基于共性群组关联分析的个性化服务系统实现 | 第36-54页 |
| 4.1 系统概述 | 第36-38页 |
| 4.2 系统设计 | 第38-50页 |
| 4.2.1 系统方案的设计 | 第39-40页 |
| 4.2.2 共性群组发现子系统 | 第40-43页 |
| 4.2.3 共性群组频繁项集挖掘子系统 | 第43-47页 |
| 4.2.4 个性化服务子系统 | 第47-50页 |
| 4.3 系统开发环境 | 第50-51页 |
| 4.4 应用的部分实例 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 5 总结与展望 | 第54-56页 |
| 5.1 全文总结 | 第54页 |
| 5.2 未来进一步工作 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |
