基于遗传算法的协同过滤算法的研究与应用
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·引言 | 第9-10页 |
| ·推荐技术的国内外研究现状 | 第10-12页 |
| ·论文的研究意义 | 第12-14页 |
| ·论文的主要工作 | 第14-15页 |
| ·论文的组织结构 | 第15-17页 |
| 第二章 概念与综述 | 第17-25页 |
| ·常用的几种推荐技术 | 第17-21页 |
| ·基于内容的推荐技术 | 第17-19页 |
| ·基于知识的推荐技术 | 第19页 |
| ·基于协同过滤推荐技术 | 第19-20页 |
| ·组合推荐技术 | 第20-21页 |
| ·其他推荐技术 | 第21页 |
| ·遗传算法 | 第21-24页 |
| ·编码 | 第22-23页 |
| ·适应度函数 | 第23页 |
| ·遗传操作 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 协同过滤推荐算法 | 第25-34页 |
| ·基于内容的协同过滤推荐 | 第26-30页 |
| ·相似度的计算 | 第26-27页 |
| ·基于用户的邻居算法 | 第27-29页 |
| ·基于项目的邻居算法 | 第29-30页 |
| ·基于模型的协同过滤推荐 | 第30-32页 |
| ·基于矩阵分解的协同过滤推荐 | 第31页 |
| ·基于聚类的协同过滤推荐 | 第31-32页 |
| ·协同过滤存在的问题与挑战 | 第32页 |
| ·本章小结 | 第32-34页 |
| 第四章 协同过滤算法的改进 | 第34-47页 |
| ·基于矩阵分解的邻居算法 | 第34-36页 |
| ·矩阵分解 | 第34-35页 |
| ·基于用户和基于项目的邻居算法 | 第35-36页 |
| ·结合矩阵分解的邻居算法 | 第36页 |
| ·引入信任度的协同过滤算法 | 第36-39页 |
| ·信任度的引入 | 第36-38页 |
| ·信任传播算法 | 第38-39页 |
| ·相关算法的代码描述 | 第39-45页 |
| ·基于矩阵分解的协同过滤算法的描述 | 第40页 |
| ·基于用户和基于项目的相似度计算算法描述 | 第40-42页 |
| ·信任度模型算法的描述 | 第42-44页 |
| ·改进算法的描述 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 第五章 基于遗传算法的特征选取以及参数优化 | 第47-56页 |
| ·MovieLens | 第47-48页 |
| ·电影推荐中的特征选取 | 第48页 |
| ·用户的特征选取 | 第48页 |
| ·项目的特征选取 | 第48页 |
| ·基于遗传算法的参数优化模型 | 第48-51页 |
| ·基于遗传算法的组合优化 | 第48-51页 |
| ·遗传算法的参数优化过程描述 | 第51页 |
| ·实验与分析 | 第51-55页 |
| ·评估标准的选取 | 第51-52页 |
| ·实验过程与数据分析 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| ·总结 | 第56-57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间的研究成果 | 第62页 |
