基于影视大数据的推荐算法研究及应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究目的和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文工作 | 第12页 |
| 1.4 章节安排 | 第12-13页 |
| 第二章 个性化推荐算法 | 第13-24页 |
| 2.1 基于内容的推荐 | 第13-16页 |
| 2.2 基于协同过滤推荐 | 第16-19页 |
| 2.2.1 基于用户协同过滤算法 | 第17-18页 |
| 2.2.2 基于商品协同过滤算法 | 第18-19页 |
| 2.3 基于关联规则推荐 | 第19-20页 |
| 2.4 基于知识推荐 | 第20-22页 |
| 2.5 基于效用推荐 | 第22页 |
| 2.6 组合推荐 | 第22-23页 |
| 2.7 小结 | 第23-24页 |
| 第三章 节目推荐算法及验证 | 第24-40页 |
| 3.1 数据介绍 | 第24-27页 |
| 3.2 相关技术 | 第27-28页 |
| 3.2.1 基于关键字的向量空间模型 | 第27页 |
| 3.2.2 相似度计算方法 | 第27-28页 |
| 3.3 数据采集与预处理 | 第28-31页 |
| 3.4 模型建立与算法描述 | 第31-35页 |
| 3.5 实验结果及分析 | 第35-38页 |
| 3.6 本章小结 | 第38-40页 |
| 第四章 影视大数据推荐系统实现 | 第40-57页 |
| 4.1 推荐系统的概念 | 第40页 |
| 4.2 推荐系统的原理和组成 | 第40-43页 |
| 4.3 系统设计 | 第43-47页 |
| 4.3.1 需求描述 | 第43-44页 |
| 4.3.2 系统架构分析 | 第44-45页 |
| 4.3.3 数据库设计 | 第45-47页 |
| 4.4 系统实现 | 第47-56页 |
| 4.4.1 开发环境及工具 | 第47页 |
| 4.4.2 相关技术 | 第47-48页 |
| 4.4.3 系统模块介绍 | 第48-52页 |
| 4.4.4 推荐模块实现 | 第52-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-58页 |
| 5.1 工作总结 | 第57页 |
| 5.2 未来展望 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间发表的学术论文 | 第61页 |
