基于动态统计的协同过滤推荐算法研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状综述 | 第9-13页 |
| 1.2.1 协同过滤算法的模型 | 第10-11页 |
| 1.2.2 推荐系统的主要研究内容 | 第11-12页 |
| 1.2.3 协同过滤技术的主要挑战 | 第12-13页 |
| 1.3 本文的主要研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 2 相关技术综述 | 第16-27页 |
| 2.1 推荐系统简介 | 第16-17页 |
| 2.2 推荐算法分类 | 第17-20页 |
| 2.2.1 协同过滤推荐算法 | 第17页 |
| 2.2.2 基于关联规则的推荐 | 第17-18页 |
| 2.2.3 基于内容的推荐算法 | 第18-19页 |
| 2.2.4 聚类 | 第19页 |
| 2.2.5 其他的推荐算法 | 第19-20页 |
| 2.3 经典的KNN协同过滤推荐算法 | 第20-23页 |
| 2.3.1 算法框架 | 第20页 |
| 2.3.2 算法实现过程 | 第20-23页 |
| 2.4 推荐系统评价标准 | 第23-24页 |
| 2.5 协同过滤推荐系统在未来研究趋势 | 第24-25页 |
| 2.6 本章小结 | 第25-27页 |
| 3 基于动态统计的改进的协同过滤算法 | 第27-35页 |
| 3.1 改进协同过滤算法的目的 | 第27-28页 |
| 3.2 动态数据统计算法 | 第28-31页 |
| 3.2.1 项目动态热度计算 | 第28-29页 |
| 3.2.2 用户动态活跃度计算 | 第29-31页 |
| 3.3 改进的协同过滤算法设计 | 第31-33页 |
| 3.4 推荐系统流程 | 第33-34页 |
| 3.4.1 概要系统描述 | 第33页 |
| 3.4.2 概要系统设计流程图 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 实验验证与分析 | 第35-46页 |
| 4.1 实验环境和数据 | 第35页 |
| 4.1.1 实验环境 | 第35页 |
| 4.1.2 实验数据 | 第35页 |
| 4.2 实验的评估标准 | 第35-36页 |
| 4.2.1 精确度 | 第36页 |
| 4.2.2 平均计算用时 | 第36页 |
| 4.3 实验的设计与结果 | 第36-43页 |
| 4.3.1 引入指标 | 第36-38页 |
| 4.3.2 平均绝对误差MAE对比 | 第38-42页 |
| 4.3.3 平均推荐时间对比 | 第42-43页 |
| 4.4 实验结果分析 | 第43-44页 |
| 4.5 本章小结 | 第44-46页 |
| 5 总结与展望 | 第46-48页 |
| 5.1 总结 | 第46-47页 |
| 5.2 未来工作的展望 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 附录 | 第52页 |
