基于网络用户行为的推荐方法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 研究现状 | 第13-17页 |
| 1.2.1 相关推荐技术研究 | 第13-15页 |
| 1.2.2 目前研究存在的缺陷 | 第15-17页 |
| 1.3 研究内容 | 第17-18页 |
| 1.4 论文组织结构 | 第18-20页 |
| 第2章 相关技术和理论基础 | 第20-30页 |
| 2.1 网络用户行为 | 第20-24页 |
| 2.1.1 用户的个体行为 | 第20-21页 |
| 2.1.2 网络群体行为的长尾分布 | 第21-22页 |
| 2.1.3 基于网络用户行为的推荐 | 第22-24页 |
| 2.2 云模型 | 第24-26页 |
| 2.2.1 云模型的原理及定义 | 第24-25页 |
| 2.2.2 云模型在推荐系统中的应用 | 第25-26页 |
| 2.3 推荐类型 | 第26-29页 |
| 2.3.1 协同过滤推荐 | 第26-27页 |
| 2.3.2 topN推荐 | 第27-28页 |
| 2.3.3 混合推荐 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 用户多行为属性的相似度算法 | 第30-39页 |
| 3.1 引言 | 第30-31页 |
| 3.2 相关研究 | 第31页 |
| 3.3 用户多行为属性相似度 | 第31-37页 |
| 3.3.1 相关定义 | 第32-34页 |
| 3.3.2 算法框架与细节 | 第34-36页 |
| 3.3.3 算法方案 | 第36-37页 |
| 3.3.4 算法设计 | 第37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 用户评分统一算法 | 第39-47页 |
| 4.1 引言 | 第39-40页 |
| 4.2 相关研究 | 第40页 |
| 4.3 基于综合云的评分标准统一算法 | 第40-46页 |
| 4.3.1 相关定义 | 第41-42页 |
| 4.3.2 算法框架与细节 | 第42-44页 |
| 4.3.3 算法方案 | 第44-45页 |
| 4.3.4 算法设计 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 实验设计与分析 | 第47-63页 |
| 5.1 数据集及评价标准 | 第47-48页 |
| 5.1.1 实验数据 | 第47-48页 |
| 5.1.2 实验指标 | 第48页 |
| 5.2 实验方案设计 | 第48-50页 |
| 5.3 多属性社交相似度实验对比分析 | 第50-53页 |
| 5.4 统一评分标准实验对比 | 第53-56页 |
| 5.5 基于云模型的topN推荐实验对比 | 第56-60页 |
| 5.6 在线应用 | 第60-61页 |
| 5.7 本章小结 | 第61-63页 |
| 第6章 结束语 | 第63-65页 |
| 6.1 主要工作与创新点 | 第63-64页 |
| 6.2 后续研究工作 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第72页 |
