基于时间效应和属性信息的推荐算法研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景与意义 | 第10-11页 |
| 1.2 课题国内外研究现状 | 第11-13页 |
| 1.3 论文主要研究内容和组织结构 | 第13-16页 |
| 1.3.1 论文主要研究内容 | 第13-14页 |
| 1.3.2 论文组织结构 | 第14-16页 |
| 第2章 个性化推荐系统与核心推荐算法 | 第16-25页 |
| 2.1 推荐系统概述 | 第16-17页 |
| 2.2 推荐系统架构 | 第17-18页 |
| 2.3 主要推荐技术 | 第18-24页 |
| 2.3.1 基于内容的推荐技术 | 第18-20页 |
| 2.3.2 基于关联规则的推荐技术 | 第20页 |
| 2.3.3 潜在语义分析推荐技术 | 第20-21页 |
| 2.3.4 基于人口统计学的推荐技术 | 第21-22页 |
| 2.3.5 基于协同过滤的推荐技术 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于时间效应与用户属性改进的协同过滤算法 | 第25-46页 |
| 3.1 研究动机 | 第25-26页 |
| 3.2 基于用户的协同过滤算法 | 第26-30页 |
| 3.3 基于用户属性与时间效应改进的相似度计算 | 第30-37页 |
| 3.3.1 时间效应影响因子 | 第30-33页 |
| 3.3.2 用户隐式属性影响因子 | 第33-35页 |
| 3.3.3 非对称性用户相似度 | 第35页 |
| 3.3.4 算法流程 | 第35-37页 |
| 3.4 实验数据与实验结果分析 | 第37-45页 |
| 3.4.1 实验数据集述 | 第37-38页 |
| 3.4.2 实验效果检查标准 | 第38-39页 |
| 3.4.3 实验环境 | 第39页 |
| 3.4.4 实验方案 | 第39-40页 |
| 3.4.5 实验仿真 | 第40-42页 |
| 3.4.6 实验分析 | 第42-45页 |
| 3.5 本章小节 | 第45-46页 |
| 第4章 融合物品属性信息的协同过滤研究 | 第46-58页 |
| 4.1 稀疏性数据带来的问题 | 第46-47页 |
| 4.2 融合物品属性与时间效应的协同过滤推荐算法 | 第47-52页 |
| 4.2.1 用户属性偏好计算 | 第47-49页 |
| 4.2.2 基于不同评分机制的相似度计算融合 | 第49-50页 |
| 4.2.3 算法流程 | 第50-52页 |
| 4.3 实验数据与实验结果分析 | 第52-57页 |
| 4.3.1 实验数据集述 | 第52页 |
| 4.3.2 实验效果检查标准 | 第52页 |
| 4.3.3 实验方案 | 第52页 |
| 4.3.4 实验仿真 | 第52-54页 |
| 4.3.5 实验结果分析 | 第54-57页 |
| 4.4 本章小节 | 第57-58页 |
| 总结与展望 | 第58-60页 |
| 总结 | 第58页 |
| 展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
