基于聚类和项目属性的均值协同推荐算法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景和意义 | 第8-9页 |
| ·研究现状 | 第9-11页 |
| ·本文主要研究内容 | 第11-12页 |
| ·本文的组织结构 | 第12页 |
| ·本章小结 | 第12-13页 |
| 2 用户偏好推荐系统的研究 | 第13-27页 |
| ·用户偏好推荐系统概述 | 第13-14页 |
| ·用户偏好推荐系统的整体架构 | 第14-16页 |
| ·数据仓库 | 第15-16页 |
| ·推荐引擎 | 第16页 |
| ·推荐结果 | 第16页 |
| ·用户偏好推荐的业务流程 | 第16-17页 |
| ·用户偏好推荐常用技术 | 第17-24页 |
| ·基于内容的推荐 | 第17-19页 |
| ·协同过滤推荐 | 第19-21页 |
| ·基于知识的推荐 | 第21-22页 |
| ·组合推荐 | 第22-24页 |
| ·用户偏好推荐常用评测指标 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 3 协同过滤推荐算法的研究 | 第27-33页 |
| ·协同过滤推荐概述 | 第27页 |
| ·常用推荐方法研究 | 第27-32页 |
| ·基于用户的协同过滤推荐 | 第27-28页 |
| ·基于物品的协同过滤推荐 | 第28-29页 |
| ·矩阵因子分解 | 第29-30页 |
| ·关联规则挖掘 | 第30-32页 |
| ·常用算法比较 | 第32页 |
| ·CFR算法所面临的挑战 | 第32页 |
| ·本章小结 | 第32-33页 |
| 4 基于聚类和项目属性的均值协同推荐算法 | 第33-45页 |
| ·相似度计算 | 第33-36页 |
| ·余弦相似度 | 第34-35页 |
| ·相关相似度 | 第35页 |
| ·调整余弦相似度 | 第35-36页 |
| ·基于聚类的改进协同过滤算法 | 第36-38页 |
| ·k-means聚类 | 第36页 |
| ·将聚类运用到协同过滤中 | 第36-38页 |
| ·物品特征属性 | 第38-40页 |
| ·物品特征相关定义 | 第38页 |
| ·物品特征的提取 | 第38-40页 |
| ·物品特征的相似度计算 | 第40页 |
| ·组合推荐算法 | 第40-42页 |
| ·时间相似度 | 第40-41页 |
| ·类型相似度 | 第41-42页 |
| ·均值推荐 | 第42-43页 |
| ·算法描述 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 5 实验及分析 | 第45-52页 |
| ·实验环境 | 第45-46页 |
| ·实验数据集 | 第46-47页 |
| ·实验方案 | 第47页 |
| ·实验结果及分析 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 6 总结与展望 | 第52-55页 |
| ·本文总结 | 第52页 |
| ·工作展望 | 第52-55页 |
| 参考文献 | 第55-58页 |
| 攻读学位期间的发表论文及科研成果 | 第58-59页 |
| 致谢 | 第59-60页 |
