协同过滤推荐算法的改进研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 引言 | 第11-12页 |
| 1.2 个性化推荐系统国内外研究现状 | 第12-15页 |
| 1.2.1 个性化推荐系统介绍 | 第12-13页 |
| 1.2.2 个性化推荐系统发展历程 | 第13-14页 |
| 1.2.3 个性化推荐研究内容 | 第14-15页 |
| 1.3 个性化推荐系统面临的问题与挑战 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-19页 |
| 第二章 个性化推荐相关技术介绍 | 第19-27页 |
| 2.1 个性化推荐技术 | 第19-21页 |
| 2.1.1 基于内容的推荐算法 | 第19-20页 |
| 2.1.2 关联规则推荐算法 | 第20页 |
| 2.1.3 协同过滤算法 | 第20-21页 |
| 2.1.4 混合推荐算法 | 第21页 |
| 2.2 协同过滤技术 | 第21-26页 |
| 2.2.1 协同过滤算法的分类 | 第21-22页 |
| 2.2.2 协同过滤算法的推荐流程 | 第22-24页 |
| 2.2.3 协同过滤算法的评测 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 结合信任度的协同过滤改进算法 | 第27-41页 |
| 3.1 问题的提出 | 第27-28页 |
| 3.2 研究现状 | 第28页 |
| 3.3 信任概念的介绍 | 第28-30页 |
| 3.3.1 信任的介绍 | 第28-29页 |
| 3.3.2 信任的定义 | 第29页 |
| 3.3.3 信任的特点 | 第29-30页 |
| 3.3.4 直接信任与间接信任 | 第30页 |
| 3.4 结合信任度的协同过滤改进算法 | 第30-35页 |
| 3.4.1 直接信任度的计算 | 第30-33页 |
| 3.4.2 间接信任度的计算 | 第33页 |
| 3.4.3 综合信任度的计算 | 第33-34页 |
| 3.4.4 综合相似度的计算 | 第34页 |
| 3.4.5 评分预测值的计算 | 第34-35页 |
| 3.5 算法流程 | 第35-36页 |
| 3.6 实验数据及分析 | 第36-40页 |
| 3.6.1 实验数据集 | 第36-37页 |
| 3.6.2 实验评估策略 | 第37页 |
| 3.6.3 实验结果和分析 | 第37-40页 |
| 3.7 本章小结 | 第40-41页 |
| 第四章 结合不同特征和降低流行度的协同过滤算法 | 第41-55页 |
| 4.1 问题的提出及研究现状 | 第41-42页 |
| 4.1.1 问题的提出 | 第41-42页 |
| 4.1.2 研究现状 | 第42页 |
| 4.2 相关概念的介绍 | 第42-44页 |
| 4.2.1 不同特征的介绍 | 第42-43页 |
| 4.2.2 平均因子的介绍 | 第43页 |
| 4.2.3 流行度的介绍 | 第43-44页 |
| 4.3 结合不同特征和降低流行度的协同过滤算法 | 第44-48页 |
| 4.3.1 不同特征的计算 | 第44-45页 |
| 4.3.2 平均因子的计算 | 第45页 |
| 4.3.3 降低流行度的相似度计算 | 第45-46页 |
| 4.3.4 综合相似度计算 | 第46页 |
| 4.3.5 最近邻居集的选取 | 第46-47页 |
| 4.3.6 评分预测值的计算 | 第47-48页 |
| 4.4 算法流程 | 第48-50页 |
| 4.5 实验数据及分析 | 第50-53页 |
| 4.5.1 实验数据集 | 第50页 |
| 4.5.2 实验评估策略 | 第50-51页 |
| 4.5.3 实验结果和分析 | 第51-53页 |
| 4.6 本章小节 | 第53-55页 |
| 第五章 结论 | 第55-59页 |
| 5.1 总结 | 第55-56页 |
| 5.2 CTCF与DPCF的比较 | 第56-57页 |
| 5.3 展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读学位期间所取得的相关成果 | 第63-65页 |
| 致谢 | 第65页 |
