基于灰关联的联合聚类个性化推荐研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·研究背景与意义 | 第8-10页 |
| ·研究背景 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·推荐算法国外研究现状 | 第10-11页 |
| ·推荐算法国内研究现状 | 第11-12页 |
| ·研究内容与论文结构 | 第12-14页 |
| ·研究内容 | 第12-13页 |
| ·论文结构 | 第13-14页 |
| ·论文创新之处 | 第14-15页 |
| 第二章 相关理论知识 | 第15-29页 |
| ·个性化推荐算法 | 第15-20页 |
| ·基于用户的协同过滤 | 第15-17页 |
| ·基于项目的协同过滤 | 第17页 |
| ·基于聚类的协同过滤 | 第17-19页 |
| ·协同过滤算法存在的挑战 | 第19-20页 |
| ·聚类简介 | 第20-23页 |
| ·聚类融合 | 第20-22页 |
| ·联合聚类 | 第22-23页 |
| ·灰关联分析 | 第23-28页 |
| ·灰灰关联理论 | 第23-25页 |
| ·基于差异信息论的灰关联分析 | 第25-26页 |
| ·基于灰关联的加权聚类模型 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于特征属性的综合相似度计算方法 | 第29-40页 |
| ·传统相似度的计算方法 | 第29-31页 |
| ·特征属性相关性的度量 | 第31-32页 |
| ·项目特征属性相关性的度量 | 第31-32页 |
| ·用户特征属性相关性的度量 | 第32页 |
| ·基于用户特征属性的综合相似度 | 第32-34页 |
| ·基于项目特征属性的综合相似度 | 第34-36页 |
| ·实验与结果分析 | 第36-39页 |
| ·评价标准 | 第36页 |
| ·实验数据 | 第36-37页 |
| ·实验设计 | 第37-38页 |
| ·实验结果分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 联合聚类个性化推荐算法 | 第40-51页 |
| ·基于特征属性的评分矩阵填充 | 第40-43页 |
| ·基于联合聚类个性化推荐算法 | 第43-46页 |
| ·算法描述 | 第43-45页 |
| ·算法流程 | 第45-46页 |
| ·增量更新模型 | 第46-50页 |
| ·相似性增量更新的基本思路 | 第46-48页 |
| ·相似性增量更新模型 | 第48-50页 |
| ·推荐模型总体架构 | 第50页 |
| ·本章小结 | 第50-51页 |
| 第五章 个性化实验与分析 | 第51-62页 |
| ·实验环境与数据集 | 第51-52页 |
| ·数据来源 | 第51页 |
| ·数据预处理 | 第51-52页 |
| ·实验环境 | 第52页 |
| ·实验评价标准 | 第52-54页 |
| ·实验设计与结果分析 | 第54-61页 |
| ·联合聚类推荐实验 | 第54-60页 |
| ·增量更新实验 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| ·本文总结 | 第62-63页 |
| ·研究展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第69页 |
