协同过滤推荐算法的研究与应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.1.1 信息爆炸带来的困扰 | 第9-10页 |
| 1.1.2 电子商务等信息产业的发展 | 第10-11页 |
| 1.2 推荐系统简介 | 第11-15页 |
| 1.2.1 主要的推荐系统 | 第11-14页 |
| 1.2.2 推荐系统的研究内容 | 第14-15页 |
| 1.3 国内外研究现状 | 第15-17页 |
| 1.4 协同过滤技术存在的挑战 | 第17-19页 |
| 1.5 论文的基本内容和结构 | 第19-20页 |
| 第2章 协同过滤推荐系统简介 | 第20-33页 |
| 2.1 输入功能模块 | 第21-22页 |
| 2.1.1 输入数据类型 | 第21-22页 |
| 2.1.2 输入数据的表达方式 | 第22页 |
| 2.2 推荐功能模块 | 第22-29页 |
| 2.2.1 基于邻域的算法 | 第23-27页 |
| 2.2.2 基于模型的算法 | 第27-29页 |
| 2.3 输出模块 | 第29页 |
| 2.4 推荐系统的测试与评价 | 第29-32页 |
| 2.4.1 测试方法 | 第29-30页 |
| 2.4.2 评价指标 | 第30-32页 |
| 2.5 本章总结 | 第32-33页 |
| 第3章 基于权值的协同过滤推荐算法 | 第33-41页 |
| 3.1 常用的相似度计算方法 | 第33-34页 |
| 3.2 相关研究 | 第34-36页 |
| 3.3 基于权值的算法 | 第36-38页 |
| 3.3.1 评分个性化度 | 第36-37页 |
| 3.3.2 用户影响度 | 第37页 |
| 3.3.3 相似度计算与评分预测 | 第37-38页 |
| 3.4 实验与仿真 | 第38-40页 |
| 3.4.1 数据集 | 第38-39页 |
| 3.4.2 算法性能测试 | 第39-40页 |
| 3.4.3 对比实验 | 第40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 分步预测的协同过滤推荐算法 | 第41-49页 |
| 4.1 数据稀疏性问题的产生与影响 | 第41-42页 |
| 4.1.1 数据稀疏性问题产生的原因 | 第41页 |
| 4.1.2 数据稀疏性的度量 | 第41页 |
| 4.1.3 数据稀疏性的影响 | 第41-42页 |
| 4.2 缓解数据稀疏性的常用方法 | 第42-44页 |
| 4.2.1 基于数据填充的方法 | 第43页 |
| 4.2.2 基于矩阵分解的方法 | 第43页 |
| 4.2.3 基于聚类的方法 | 第43-44页 |
| 4.3 分步预测的算法 | 第44-46页 |
| 4.3.1 预处理 | 第44页 |
| 4.3.2 分步预测 | 第44-46页 |
| 4.4 实验与仿真 | 第46-48页 |
| 4.4.1 数据集 | 第46页 |
| 4.4.2 操作步骤 | 第46-47页 |
| 4.4.3 评价标准与实验结果 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 本文总结 | 第49页 |
| 5.2 工作展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录 | 第56页 |
