首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于社交网络的个性化推荐算法研究

摘要第1-6页
Abstract第6-10页
第一章 绪论第10-14页
   ·研究背景和意义第10页
   ·国内外研究现状综述第10-11页
   ·主要研究内容第11-12页
   ·研究方法第12页
   ·本文创新与主要贡献第12-13页
   ·本文结构第13-14页
第二章 个性化推荐算法相关综述第14-25页
   ·推荐算法介绍第14-15页
   ·协同过滤推荐算法第15-18页
   ·矩阵分解推荐算法第18页
   ·推荐算法问题描述第18-20页
   ·基准评分计算方法第20-21页
   ·相似度计算方法第21-23页
   ·基于记忆的推荐算法第23-24页
   ·推荐结果评价指标第24-25页
第三章 矩阵分解推荐技术第25-34页
   ·模型介绍第25-26页
   ·基于矩阵分解的推荐算法第26-33页
     ·矩阵分解算法SVD第27-30页
     ·概率矩阵分解算法PMF第30-33页
   ·本章小结第33-34页
第四章 SNS用户需求模型第34-42页
   ·个性化推荐的研究现状第34-36页
   ·社交网络推荐算法综述第36-38页
   ·SNS用户个性化需求模型第38-39页
   ·SNS个性化服务模型第39-41页
   ·本章小结第41-42页
第五章 基于矩阵分解的网络推荐算法第42-69页
   ·模型介绍第42-43页
   ·基于概率矩阵分解的网络推荐算法第43-54页
     ·基于社交网络的PMF推荐算法第43-48页
     ·基于时间序列影响网络的PMF推荐算法第48-54页
   ·SNS信任度模型第54页
   ·基于社交网络的SVD推荐算法第54-59页
   ·影响度计算方法第59页
   ·基于时间序列影响网络的SVD推荐算法第59-69页
第六章 实验设计与分析第69-75页
   ·实验数据第69-72页
   ·实验结果与分析第72-74页
     ·实验一:一般配置下各类算法效果比较第72-73页
     ·实验二:不同学习率对各类算法效果的影响第73-74页
     ·实验三:不同因子数对各类算法效果的影响第74页
   ·本章小结第74-75页
第七章 总结与展望第75-76页
参考文献第76-78页
致谢第78-79页
攻读硕士学位期间主要的研究成果第79页

论文共79页,点击 下载论文
上一篇:高中信息技术在线考试系统的设计与实现
下一篇:澎湃新闻客户端时政新闻的互动传播研究