基于相似云及兴趣自适应算法的推荐系统研究
| 内容摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题研究的目的和意义 | 第9-11页 |
| ·课题研究目的 | 第9-10页 |
| ·课题研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文研究内容和研究方法 | 第13-14页 |
| ·本文主要研究内容 | 第13-14页 |
| ·研究方法 | 第14页 |
| ·创新之处 | 第14-15页 |
| 第2章 电子商务推荐系统 | 第15-27页 |
| ·概述 | 第15-17页 |
| ·概念 | 第15页 |
| ·作用 | 第15-16页 |
| ·分类 | 第16-17页 |
| ·框架结构 | 第17-18页 |
| ·推荐技术 | 第18-22页 |
| ·基于关联规则的推荐技术 | 第18-19页 |
| ·基于效用的推荐技术 | 第19页 |
| ·基于内容的推荐技术 | 第19-20页 |
| ·基于知识的推荐技术 | 第20页 |
| ·协同过滤推荐技术 | 第20-21页 |
| ·基于组合的推荐技术 | 第21-22页 |
| ·协同过滤算法描述 | 第22-27页 |
| ·协同过滤实现过程 | 第22-23页 |
| ·协同过滤算法分类 | 第23-24页 |
| ·协同过滤算法描述 | 第24-27页 |
| 第3章 云模型理论 | 第27-31页 |
| ·产生背景 | 第27页 |
| ·概念表示 | 第27-29页 |
| ·云的基本概念 | 第27页 |
| ·云的数字特征 | 第27-28页 |
| ·云发生器 | 第28页 |
| ·相似云 | 第28-29页 |
| ·主要应用 | 第29-31页 |
| ·智能控制 | 第29页 |
| ·数据挖掘 | 第29-31页 |
| 第4章 基于相似云及兴趣自适应算法的推荐系统 | 第31-36页 |
| ·基于相似云及兴趣自适应算法的推荐系统基本框架 | 第31-32页 |
| ·推荐系统的基本框架 | 第31-32页 |
| ·推荐系统的适用性 | 第32页 |
| ·基于相似云及兴趣自适应算法的推荐系统数据管理 | 第32-34页 |
| ·输入数据 | 第32-33页 |
| ·模型数据 | 第33-34页 |
| ·输出数据 | 第34页 |
| ·基于相似云及兴趣自适应算法的推荐系统的组件 | 第34-36页 |
| ·模型处理部分 | 第34-35页 |
| ·在线推荐部分 | 第35-36页 |
| 第5章 协同过滤推荐算法的改进 | 第36-42页 |
| ·稀疏性、兴趣适应性、冷启动问题的深入探讨 | 第36-38页 |
| ·稀疏性问题 | 第36-37页 |
| ·兴趣适应性问题 | 第37页 |
| ·冷启动问题 | 第37-38页 |
| ·协同过滤推荐算法的改进 | 第38-42页 |
| ·相似云度量方法 | 第38-39页 |
| ·时间窗权重因子的选取 | 第39页 |
| ·项目类别相似度的计算 | 第39-40页 |
| ·改进的算法 | 第40-42页 |
| 第6章 实验与数据分析 | 第42-45页 |
| ·数据描述 | 第42页 |
| ·实验设计 | 第42-43页 |
| ·实验数据来源 | 第42-43页 |
| ·推荐系统的评价指标 | 第43页 |
| ·实验环境 | 第43页 |
| ·实验过程与分析 | 第43-45页 |
| 第7章 总结 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 后记 | 第50页 |
