基于协同过滤算法的论文推荐系统研究与设计
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 推荐系统发展历史 | 第10-11页 |
| 1.3 国内外推荐系统现状 | 第11-12页 |
| 1.4 推荐系统面临的一些问题 | 第12-13页 |
| 1.5 论文研究内容及创新点 | 第13-14页 |
| 1.6 论文结构安排 | 第14-15页 |
| 第2章 系统概要分析与相关理论概述 | 第15-22页 |
| 2.1 系统概要分析 | 第15-16页 |
| 2.1.1 需求分析 | 第15页 |
| 2.1.2 系统框架 | 第15-16页 |
| 2.2 推荐技术简介 | 第16-19页 |
| 2.2.1 基于内容的推荐算法 | 第17页 |
| 2.2.2 基于协同过滤的推荐算法 | 第17-18页 |
| 2.2.3 基于人口统计学的推荐 | 第18-19页 |
| 2.2.4 混合推荐算法 | 第19页 |
| 2.3 推荐算法评估指标 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 分布式论文抓取子系统设计 | 第22-38页 |
| 3.1 概述 | 第22页 |
| 3.2 网络爬虫及Scrapy框架 | 第22-27页 |
| 3.2.1 网络爬虫基本原理 | 第22-25页 |
| 3.2.2 Scrapy框架 | 第25-26页 |
| 3.2.3 Scrapy-Redis原理 | 第26-27页 |
| 3.3 分布式爬虫原理 | 第27-29页 |
| 3.4 论文抓取子系统设计 | 第29-35页 |
| 3.4.1 论文抓取子系统架构设计 | 第30页 |
| 3.4.2 反反爬虫设计 | 第30-31页 |
| 3.4.3 网页抓取流程设计 | 第31-33页 |
| 3.4.4 网页信息分析与提取 | 第33-34页 |
| 3.4.5 论文抓取平台可视化 | 第34-35页 |
| 3.5 性能测试 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 基于协同过滤算法的推荐子系统设计 | 第38-51页 |
| 4.1 概述 | 第38页 |
| 4.2 基于用户点击和搜索协同过滤算法设计与实现 | 第38-46页 |
| 4.2.1 算法流程 | 第38-39页 |
| 4.2.2 用户对论文虚拟评分 | 第39-42页 |
| 4.2.3 用户相似度计算 | 第42-45页 |
| 4.2.4 论文TOP-N推荐 | 第45-46页 |
| 4.3 算法性能分析 | 第46-50页 |
| 4.3.1 性能评价指标 | 第46-47页 |
| 4.3.2 系统测评方法 | 第47页 |
| 4.3.3 实验设计 | 第47-48页 |
| 4.3.4 实验分析 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 系统的软件实现 | 第51-60页 |
| 5.1 系统开发工具 | 第51页 |
| 5.2 系统开发环境 | 第51页 |
| 5.3 数据库设计 | 第51-54页 |
| 5.4 主要模块设计 | 第54-56页 |
| 5.4.1 系统初始推荐 | 第55-56页 |
| 5.4.2 个性化论文推荐 | 第56页 |
| 5.5 实现功能展示 | 第56-59页 |
| 5.5.1 自定义兴趣栏目 | 第56-57页 |
| 5.5.2 邮件推送 | 第57-58页 |
| 5.5.3 论文推荐 | 第58-59页 |
| 5.6 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录1 攻读硕士学位期间的成果 | 第66-67页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第67页 |
