基于项目相似度与用户需求的协同过滤推荐算法研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究的背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14页 |
| 1.4 论文结构 | 第14-15页 |
| 第2章 个性化推荐系统与推荐算法综述 | 第15-23页 |
| 2.1 个性化推荐系统概述 | 第15页 |
| 2.2 个性化推荐系统模型 | 第15-16页 |
| 2.3 常见个性化推荐算法 | 第16-21页 |
| 2.3.1 协同过滤推荐算法 | 第17-18页 |
| 2.3.2 基于内容的推荐算法 | 第18-19页 |
| 2.3.3 潜在语义分析推荐算法 | 第19-20页 |
| 2.3.4 基于关联规则挖掘推荐算法 | 第20-21页 |
| 2.3.5 基于情景信息的推荐算法 | 第21页 |
| 2.4 推荐算法的常见问题 | 第21-23页 |
| 第3章 结合项目属性和关联相似度的推荐算法 | 第23-41页 |
| 3.1 项目相似模型分析与改进 | 第23-27页 |
| 3.1.1 项目属性相似度 | 第24-26页 |
| 3.1.2 项目关联相似度 | 第26-27页 |
| 3.1.3 项目相似度 | 第27页 |
| 3.2 基于项目相似模型的预测评分 | 第27-29页 |
| 3.2.1 构建相似项目集 | 第28页 |
| 3.2.2 预测评分 | 第28-29页 |
| 3.3 协同过滤推荐算法的改进 | 第29-32页 |
| 3.3.1 评分矩阵构建与填充 | 第29-30页 |
| 3.3.2 基于填充矩阵寻找最近邻用户集 | 第30-32页 |
| 3.3.3 评分预测 | 第32页 |
| 3.4 算法流程总结 | 第32-34页 |
| 3.5 实验与分析 | 第34-41页 |
| 3.5.1 实验数据集与实验环境 | 第34-35页 |
| 3.5.2 性能评价指标 | 第35-36页 |
| 3.5.3 实验方案与结果分析 | 第36-40页 |
| 3.5.4 实验总结 | 第40-41页 |
| 第4章 基于用户需求的推荐模型 | 第41-59页 |
| 4.1 情景信息描述 | 第41页 |
| 4.2 时间衰减情景信息的表示 | 第41-43页 |
| 4.3 时间窗口情景信息的表示 | 第43-44页 |
| 4.4 用户需求模型的建立 | 第44-47页 |
| 4.4.1 用户需求候选项目集的构造 | 第45页 |
| 4.4.2 查找项目邻居项集 | 第45-46页 |
| 4.4.3 预测评分 | 第46-47页 |
| 4.4.4 生成推荐项集 | 第47页 |
| 4.5 算法流程总结 | 第47-50页 |
| 4.6 实验与分析 | 第50-59页 |
| 4.6.1 实验数据集与实验环境 | 第50页 |
| 4.6.2 性能评价指标 | 第50页 |
| 4.6.3 实验方案与结果分析 | 第50-58页 |
| 4.6.4 实验总结 | 第58-59页 |
| 总结与展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
