基于协同过滤的酒店推荐系统研究与实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·推荐系统简介 | 第9-12页 |
| ·协同过滤简介 | 第10-11页 |
| ·国内外研究状况 | 第11-12页 |
| ·研究背景与意义 | 第12-13页 |
| ·研究背景 | 第12页 |
| ·研究意义 | 第12-13页 |
| ·研究内容与目标 | 第13-14页 |
| ·文章的内容与安排 | 第14-15页 |
| 第二章 协同过滤推荐技术综述 | 第15-20页 |
| ·协同过滤系统发展状况 | 第15页 |
| ·协同过滤系统的分类 | 第15-17页 |
| ·基于记忆的算法 | 第15-16页 |
| ·基于模型的算法 | 第16页 |
| ·基于资源的算法 | 第16-17页 |
| ·协同过滤系统评估准则 | 第17-18页 |
| ·协同过滤面临的挑战 | 第18-19页 |
| ·混合协同过滤技术 | 第19-20页 |
| 第三章 结果页推荐 | 第20-41页 |
| ·问题分析 | 第20-25页 |
| ·数据集 | 第20-21页 |
| ·城市间搜索比例 | 第21页 |
| ·用户行为分析 | 第21-25页 |
| ·算法设计 | 第25-29页 |
| ·酒店受欢迎指标 | 第25-26页 |
| ·转化率不均衡性 | 第26-28页 |
| ·基于转化率的算法设计 | 第28-29页 |
| ·算法验证 | 第29-33页 |
| ·数据验证 | 第29-32页 |
| ·效果预估 | 第32页 |
| ·动态设定与模拟 | 第32-33页 |
| ·算法完善 | 第33-39页 |
| ·用户分类 | 第33-34页 |
| ·详情页房型监控 | 第34-35页 |
| ·算法详述 | 第35-36页 |
| ·核心代码 | 第36-39页 |
| ·本章总结 | 第39-41页 |
| 第四章 详情页推荐 | 第41-56页 |
| ·数据特点 | 第41-42页 |
| ·资源对资源算法 | 第42-49页 |
| ·相似度计算 | 第42-43页 |
| ·相似度列表 | 第43页 |
| ·算法流程 | 第43-45页 |
| ·算法测试 | 第45-46页 |
| ·验证思路 | 第46-47页 |
| ·数据集灵敏度分析 | 第47-48页 |
| ·预测结果统计分析 | 第48-49页 |
| ·基于资源的算法 | 第49-51页 |
| ·酒店相似度计算 | 第50-51页 |
| ·数据集灵敏度 | 第51页 |
| ·算法的比较 | 第51-52页 |
| ·核心代码 | 第52-55页 |
| ·本章总结 | 第55-56页 |
| 第五章 实验与验证 | 第56-58页 |
| ·系统说明 | 第56页 |
| ·系统验证 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| ·论文总结 | 第58-59页 |
| ·未来工作展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-63页 |
