基于多特征用户聚类的协同过滤推荐算法
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 推荐系统研究背景及意义 | 第8-9页 |
| 1.2 推荐系统简述 | 第9-12页 |
| 1.2.1 相关推荐技术 | 第9-10页 |
| 1.2.2 推荐算法的评价 | 第10-12页 |
| 1.3 研究内容及结构安排 | 第12-14页 |
| 第二章 基于评分信息和动态演化聚类的协同过滤算法 | 第14-26页 |
| 2.1 理论分析 | 第14-15页 |
| 2.2 算法设计 | 第15-20页 |
| 2.2.1 动态演化聚类算法 | 第15-16页 |
| 2.2.2 用户关联度 | 第16-18页 |
| 2.2.3 算法框图 | 第18-20页 |
| 2.3 实验分析 | 第20-24页 |
| 2.3.1 异构矩阵构造方法的比较结果 | 第20-21页 |
| 2.3.2 聚类算法的比较结果 | 第21-22页 |
| 2.3.3 相似度指标的比较结果 | 第22-24页 |
| 2.3.4 参数α的分析结果 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 基于多因素聚类的协同过滤算法 | 第26-38页 |
| 3.1 理论分析 | 第26-27页 |
| 3.2 算法设计 | 第27-31页 |
| 3.2.1 用户邻接矩阵构造 | 第27-30页 |
| 3.2.2 多因素融合法 | 第30页 |
| 3.2.3 算法框图 | 第30-31页 |
| 3.3 实验分析 | 第31-36页 |
| 3.3.1 聚类算法选取分析 | 第32-34页 |
| 3.3.2 聚类中心参数分析 | 第34-35页 |
| 3.3.3 融合权重因子入的影响 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 总结与展望 | 第38-40页 |
| 参考文献 | 第40-46页 |
| 致谢 | 第46-48页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第48页 |
