基于协同过滤的图书馆个性化推荐方法的研究
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第10-24页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究的现状 | 第11-18页 |
| 1.2.1 个性化推荐的研究现状 | 第11-12页 |
| 1.2.2 协同过滤的研究现状 | 第12-14页 |
| 1.2.3 图书馆个性化推荐的研究现状 | 第14-18页 |
| 1.3 研究意义 | 第18-21页 |
| 1.3.1 实践意义 | 第19-21页 |
| 1.3.2 理论意义 | 第21页 |
| 1.4 研究内容及论文结构安排 | 第21-22页 |
| 1.4.1 研究内容 | 第21-22页 |
| 1.4.2 内容组织安排 | 第22页 |
| 1.5 创新点 | 第22-24页 |
| 第2章 图书馆个性化推荐相关理论介绍 | 第24-37页 |
| 2.1 个性化推荐的相关技术 | 第24-27页 |
| 2.1.1 信息检索和过滤技术 | 第24-25页 |
| 2.1.2 聚类技术 | 第25-26页 |
| 2.1.3 关联规则 | 第26-27页 |
| 2.2 个性化推荐算法 | 第27-34页 |
| 2.2.1 基于关联规则的推荐算法 | 第27-30页 |
| 2.2.2 基于内容过滤的推荐算法 | 第30页 |
| 2.2.3 基于协同过滤的推荐算法 | 第30-31页 |
| 2.2.4 基于聚类的推荐算法 | 第31-33页 |
| 2.2.5 混合推荐算法 | 第33-34页 |
| 2.3 个性化图书推荐算法的选择 | 第34-36页 |
| 2.3.1 高校图书馆用户及项目分析 | 第34-35页 |
| 2.3.2 各种算法于图书推荐的适用性分析 | 第35-36页 |
| 2.4 图书馆个性化图书推荐策略的提出 | 第36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 协同过滤推荐算法的介绍 | 第37-47页 |
| 3.1 协同过滤推荐技术概述 | 第37页 |
| 3.2 协同过滤算法分类 | 第37-41页 |
| 3.2.1 基于内存推荐方法 | 第37-39页 |
| 3.2.2 基于模型的协同过滤 | 第39-41页 |
| 3.2.3 基于混合的协同过滤 | 第41页 |
| 3.3 协同过滤算法的工作过程 | 第41-44页 |
| 3.4 协同过滤算法主要问题及对策 | 第44-46页 |
| 3.4.1 数据稀疏问题 | 第45页 |
| 3.4.2 冷启动问题 | 第45-46页 |
| 3.4.3 准确度问题 | 第46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 改进的协同过滤推荐算法 | 第47-70页 |
| 4.1 改进的原因 | 第47页 |
| 4.2 改进的相似性计算方法 | 第47-55页 |
| 4.2.1 项目相似度的定义及描述 | 第48-50页 |
| 4.2.2 用户相似度定义及描述 | 第50-52页 |
| 4.2.3 用户和图书相似度的定义及描述 | 第52-53页 |
| 4.2.4 匹配树原则 | 第53-55页 |
| 4.3 图书馆个性化推荐算法实施 | 第55-57页 |
| 4.4 模拟实验 | 第57-69页 |
| 4.4.1 实验环境设置 | 第57页 |
| 4.4.2 评价参数 | 第57-58页 |
| 4.4.3 对比算法 | 第58-59页 |
| 4.4.4 仿真实验 | 第59-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第5章 结论 | 第70-72页 |
| 5.1 总结 | 第70页 |
| 5.2 对未来工作的展望 | 第70-72页 |
| 参考文献 | 第72-74页 |
| 在学期间发表的学术论文 | 第74-75页 |
| 致谢 | 第75页 |
