融合多种上下文的协同过滤推荐算法研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 算法概述及国内外研究现状 | 第9-11页 |
| 1.2.1 算法概述 | 第9-10页 |
| 1.2.2 国内外研究现状 | 第10-11页 |
| 1.3 论文的组织结构 | 第11-13页 |
| 第二章 协同过滤推荐系统的相关技术及数据集 | 第13-24页 |
| 2.1 协同过滤算法中使用的技术 | 第13-21页 |
| 2.1.1 基于邻域的推荐算法 | 第14-17页 |
| 2.1.2 基于模型的推荐算法 | 第17-21页 |
| 2.2 协同过滤推荐系统数据集 | 第21-24页 |
| 第三章 基于时间上下文的协同过滤推荐算法 | 第24-30页 |
| 3.1 时间上下文获取用户关系 | 第24-25页 |
| 3.2 融合到概率矩阵分解模型的推荐算法 | 第25-27页 |
| 3.3 实验结果及其分析 | 第27-29页 |
| 3.3.1 实验数据集 | 第27页 |
| 3.3.2 评价标准 | 第27-28页 |
| 3.3.3 对比算法 | 第28页 |
| 3.3.4 实验结果 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 基于标签上下文的协同过滤推荐算法 | 第30-37页 |
| 4.1 基于标签特征建模的最近邻选择 | 第30-32页 |
| 4.1.1 计算物品的标签特征向量 | 第31-32页 |
| 4.1.2 物品标签相似度计算 | 第32页 |
| 4.2 融合最近邻模型的推荐算法 | 第32-33页 |
| 4.3 实验结果及其分析 | 第33-36页 |
| 4.3.1 实验数据集 | 第33-34页 |
| 4.3.2 评价标准 | 第34页 |
| 4.3.3 对比算法 | 第34页 |
| 4.3.4 实验结果 | 第34-36页 |
| 4.4 本章小结 | 第36-37页 |
| 第五章 融合时间和标签上下文的协同过滤推荐算法 | 第37-44页 |
| 5.1 基于时间上下文获取用户信任关系 | 第37页 |
| 5.2 基于标签上下文获取项目关联关系 | 第37-38页 |
| 5.3 融合到概率矩阵分解模型的推荐算法 | 第38-40页 |
| 5.4 实验结果与分析 | 第40-43页 |
| 5.4.1 实验数据集 | 第40-41页 |
| 5.4.2 评价标准 | 第41页 |
| 5.4.3 对比算法 | 第41页 |
| 5.4.4 实验结果 | 第41-43页 |
| 5.5 本章小结 | 第43-44页 |
| 第六章 融合多种上下文的推荐框架 | 第44-48页 |
| 6.1 上下文概念 | 第44页 |
| 6.2 融合多种上下文的推荐系统框架 | 第44-47页 |
| 6.2.1 上下文获取 | 第45-46页 |
| 6.2.2 上下文用户偏好提取 | 第46页 |
| 6.2.3 上下文推荐技术 | 第46-47页 |
| 6.3 本章小节 | 第47-48页 |
| 第七章 总结与展望 | 第48-49页 |
| 7.1 本文内容总结 | 第48页 |
| 7.2 进一步工作 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 攻读硕士学位期间发表的论文 | 第52-53页 |
| 致谢 | 第53页 |
