面向移动用户的协同过滤推荐算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义及目的 | 第11-12页 |
| 1.3 研究现状及存在的问题 | 第12-15页 |
| 1.4 本文工作 | 第15-16页 |
| 1.5 本文结构 | 第16-17页 |
| 第2章 关键技术 | 第17-27页 |
| 2.1 数据预处理 | 第17-21页 |
| 2.2 相似度计算 | 第21-22页 |
| 2.3 邻居选择算法 | 第22-23页 |
| 2.4 矩阵分解算法 | 第23-24页 |
| 2.5 评价指标 | 第24-26页 |
| 2.5.1 准确度 | 第25页 |
| 2.5.2 覆盖度 | 第25页 |
| 2.5.3 多样性 | 第25-26页 |
| 2.5.4 新颖性 | 第26页 |
| 2.6 本章总结 | 第26-27页 |
| 第3章 多维动态的协同过滤推荐算法 | 第27-44页 |
| 3.1 位置信息的协同过滤 | 第27-34页 |
| 3.1.1 位置轨迹分析 | 第27-29页 |
| 3.1.2 位置信息模型 | 第29-31页 |
| 3.1.3 位置信息相似性 | 第31-32页 |
| 3.1.4 算法实现 | 第32-34页 |
| 3.2 时间效应的协同过滤 | 第34-41页 |
| 3.2.1 时间效应的遗忘规律 | 第34-35页 |
| 3.2.2 时间函数的引入 | 第35-36页 |
| 3.2.3 移动推荐的时间效应 | 第36-38页 |
| 3.2.4 基于时效性的移动推荐模型 | 第38-40页 |
| 3.2.5 算法步骤 | 第40-41页 |
| 3.3 多维动态的协同过滤推荐算法 | 第41-43页 |
| 3.3.1 时间和位置的上下文信息 | 第41-43页 |
| 3.3.2 算法的设计 | 第43页 |
| 3.4 本章总结 | 第43-44页 |
| 第4章 实验结果与分析 | 第44-51页 |
| 4.1 算法实现 | 第44-45页 |
| 4.2 实验分析 | 第45-51页 |
| 4.2.1 移动用户数据 | 第45-46页 |
| 4.2.2 实验评价方法 | 第46-47页 |
| 4.2.3 实验环境搭建 | 第47页 |
| 4.2.4 结果分析 | 第47-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 本文总结 | 第51页 |
| 5.2 未来展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 作者简介及在学期间所取得的科研成果 | 第56-57页 |
| 致谢 | 第57页 |
