协同过滤推荐系统关键技术研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 背景及意义 | 第10-12页 |
| 1.2 国内外研究现状及分析 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 本文研究内容 | 第14-16页 |
| 第2章 推荐系统概述 | 第16-28页 |
| 2.1 个性化推荐系统介绍 | 第16页 |
| 2.2 基于内容的推荐 | 第16-17页 |
| 2.3 协同过滤推荐算法 | 第17-25页 |
| 2.3.1 基于用户的协同过滤 | 第19-23页 |
| 2.3.2 基于项目的协同过滤 | 第23-24页 |
| 2.3.3 基于模型的协同过滤 | 第24-25页 |
| 2.4 基于关联规则的推荐 | 第25-26页 |
| 2.5 混合推荐算法 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 基于CFSFDP聚类的推荐算法研究 | 第28-36页 |
| 3.1 聚类算法概念及原理 | 第28-30页 |
| 3.2 CFSFDP聚类算法概述 | 第30-33页 |
| 3.3 基于CFSFDP聚类的近邻用户划分 | 第33-35页 |
| 3.3.1 基于CFSFDP的用户聚类 | 第34-35页 |
| 3.3.2 划分最近邻 | 第35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 CFSFDP聚类推荐算法的改进 | 第36-43页 |
| 4.1 基于平均欧式距离的填充和降维 | 第36-38页 |
| 4.1.1 基于平均欧式距离的填充 | 第36-37页 |
| 4.1.2 基于平均欧式距离和用户均值的降维 | 第37-38页 |
| 4.2 CFSFDP聚类的改进 | 第38-39页 |
| 4.3 实验 | 第39-41页 |
| 4.3.1 实验环境和数据集介绍 | 第39页 |
| 4.3.2 推荐系统评价指标 | 第39-40页 |
| 4.3.3 实验结果与分析 | 第40-41页 |
| 4.4 本章小结 | 第41-43页 |
| 第5章 基于传统相似性度量以及评分预测的研究 | 第43-48页 |
| 5.1 传统相似性度量方法概述及优缺点分析 | 第43-45页 |
| 5.1.1 传统相似性度量方法概述 | 第43-44页 |
| 5.1.2 优缺点分析 | 第44-45页 |
| 5.2 基于传统相似性度量的改进 | 第45页 |
| 5.3 基于用户评分均值的评分预测 | 第45-46页 |
| 5.4 实验结果及分析 | 第46-47页 |
| 5.5 本章小结 | 第47-48页 |
| 第6章 结束语 | 第48-50页 |
| 6.1 总结 | 第48页 |
| 6.2 展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 攻读学位期间取得的科研成果 | 第55页 |
