面向数据稀疏问题的协同过滤推荐算法研究
| 中文摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文的主要研究内容 | 第14-15页 |
| 1.4 本文的组织结构及创新点 | 第15-17页 |
| 第2章 电子商务推荐系统概述及其相关技术简介 | 第17-25页 |
| 2.1 电子商务推荐系统概述 | 第17-21页 |
| 2.1.1 电子商务推荐系统的概念 | 第17-18页 |
| 2.1.2 电子商务推荐系统的结构 | 第18-20页 |
| 2.1.3 电子商务推荐系统的主要研究内容 | 第20-21页 |
| 2.2 个性化推荐技术介绍 | 第21-24页 |
| 2.2.1 信息检索和信息过滤 | 第21-22页 |
| 2.2.2 Web数据挖掘技术 | 第22页 |
| 2.2.3 其他技术 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 协同过滤推荐算法 | 第25-33页 |
| 3.1 协同过滤原理 | 第25-27页 |
| 3.2 协同过滤算法的分类 | 第27-31页 |
| 3.2.1 基于用户的协同过滤推荐算法 | 第27-29页 |
| 3.2.2 基于项目的协同过滤推荐算法 | 第29-31页 |
| 3.3 协同过滤推荐算法优缺点分析 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于粗糙集和属性重要度的协同过滤推荐算法 | 第33-45页 |
| 4.1 粗糙集理论相关知识 | 第33-36页 |
| 4.2 筛选用户评分项 | 第36-37页 |
| 4.3 论域最近邻 | 第37-38页 |
| 4.4 基于属性重要度的不完备数据填补算法 | 第38-39页 |
| 4.5 算法描述 | 第39-41页 |
| 4.6 实验及分析 | 第41-44页 |
| 4.6.1 实验数据集及评价指标 | 第41-42页 |
| 4.6.2 实验结果及讨论 | 第42-44页 |
| 4.7 本章小结 | 第44-45页 |
| 第5章 基于用户偏好的混合协同过滤推荐算法 | 第45-58页 |
| 5.1 问题描述及现有解决方案 | 第45-46页 |
| 5.2 基于用户偏好的改进的相似性度量方法 | 第46-50页 |
| 5.2.1 基于用户偏好的相似度 | 第46-49页 |
| 5.2.2 改进的综合相似度 | 第49-50页 |
| 5.3 混合的协同过滤推荐算法 | 第50-54页 |
| 5.3.1 评分矩阵的平滑处理 | 第50-51页 |
| 5.3.2 算法描述 | 第51-54页 |
| 5.4 实验及分析 | 第54-57页 |
| 5.4.1 实验方案 | 第54页 |
| 5.4.2 实验结果及讨论 | 第54-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第6章 总结及展望 | 第58-61页 |
| 6.1 本文总结 | 第58-59页 |
| 6.2 工作展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的论文 | 第65页 |
