基于增量协同过滤的个性化学习推荐研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8页 |
| 1.2 国内外个性化学习推荐研究 | 第8-10页 |
| 1.3 个性化推荐存在的问题和挑战 | 第10-12页 |
| 1.4 本文的研究内容及论文结构 | 第12-15页 |
| 1.4.1 本论文的主要工作 | 第12-13页 |
| 1.4.2 本论文的结构安排 | 第13-15页 |
| 2 个性化推荐算法研究综述 | 第15-21页 |
| 2.1 基于关联规则的推荐方法 | 第15-16页 |
| 2.2 基于内容的推荐方法 | 第16页 |
| 2.3 基于协同过滤的推荐方法 | 第16-20页 |
| 2.3.1 基于内存的协同过滤方法 | 第17-18页 |
| 2.3.2 基于模型的协同过滤 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 3 双层行为驱动下多Agent协同评分模型 | 第21-30页 |
| 3.1 引言 | 第21-23页 |
| 3.2 构建个体行为的兴趣度度量模型 | 第23-25页 |
| 3.3 构建群体行为的信任度和影响力度量模型 | 第25-27页 |
| 3.4 双层行为驱动下多Agent协同评分模型 | 第27-28页 |
| 3.5 本章小结 | 第28-30页 |
| 4 基于增量协同过滤的个性化推荐算法 | 第30-43页 |
| 4.1 引言 | 第30-31页 |
| 4.2 动态k-均值聚类 | 第31-32页 |
| 4.3 自适应选取协同过滤中最近邻 | 第32-34页 |
| 4.4 增量协同过滤推荐 | 第34-35页 |
| 4.5 实验验证与分析 | 第35-41页 |
| 4.5.1 实验数据集 | 第35-37页 |
| 4.5.2 实验评价标准 | 第37-38页 |
| 4.5.3 实验结果与分析 | 第38-41页 |
| 4.6 本章小结 | 第41-43页 |
| 5 总结与展望 | 第43-45页 |
| 5.1 本文工作总结 | 第43页 |
| 5.2 进一步的研究工作和展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-49页 |
| 在读期间公开发表论文（著）及科研情况 | 第49页 |
