融合时间的混合推荐算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文结构安排 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第二章 推荐系统主流算法 | 第16-31页 |
| 2.1 协同过滤推荐算法 | 第16-22页 |
| 2.1.1 基于内存的协同过滤 | 第16-20页 |
| 2.1.2 基于模型的协同过滤 | 第20-22页 |
| 2.2 聚类算法 | 第22-27页 |
| 2.2.1 K-means聚类算法 | 第22-24页 |
| 2.2.2 凝聚式分层聚类 | 第24页 |
| 2.2.3 基于密度聚类 | 第24-25页 |
| 2.2.4 其他聚类方法 | 第25-27页 |
| 2.3 KNN算法推荐 | 第27-28页 |
| 2.4 混合推荐技术 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 融合时间的混合推荐算法 | 第31-43页 |
| 3.1 改进的时间衰减函数 | 第31-34页 |
| 3.1.1 传统的遗忘曲线函数 | 第32-33页 |
| 3.1.2 改进的遗忘曲线函数 | 第33-34页 |
| 3.2 融合时间衰减函数的混合推荐 | 第34-42页 |
| 3.2.1 混合推荐模型 | 第34-41页 |
| 3.2.2 融合时间衰减函数的混合推荐算法 | 第41-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第四章 实验设计与结果分析 | 第43-49页 |
| 4.1 数据集 | 第43页 |
| 4.2 性能评价标准 | 第43-44页 |
| 4.3 实验评估 | 第44-48页 |
| 4.4 本章小结 | 第48-49页 |
| 总结与展望 | 第49-50页 |
| 总结 | 第49页 |
| 展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士期间发表的论文 | 第54页 |
| 攻读硕士期间发表的专利 | 第54-56页 |
| 致谢 | 第56页 |
