基于协同过滤和内容推荐混合算法的农业信息推荐的研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 综述 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13页 |
| 1.3 推荐技术研究现状 | 第13-16页 |
| 1.4 农业信息推荐研究现状 | 第16页 |
| 1.5 论文的主要工作 | 第16-18页 |
| 第二章 农业类信息推荐方法 | 第18-24页 |
| 2.1 现在常用的信息类推荐方法 | 第18-20页 |
| 2.1.1 协同过滤的智能推荐算法 | 第18-19页 |
| 2.1.2 基于内容的推荐 | 第19-20页 |
| 2.1.3 混合推荐 | 第20页 |
| 2.2 现有方法存在的问题 | 第20-22页 |
| 2.2.1 协同过滤存在的问题 | 第20-21页 |
| 2.2.2 基于内容的推荐存在的问题 | 第21-22页 |
| 2.3 本文方法提出 | 第22页 |
| 2.4 本章小结 | 第22-24页 |
| 第三章 加时间权的兴趣模型 | 第24-32页 |
| 3.1 传统用户兴趣模型 | 第24-29页 |
| 3.1.1 文本预处理 | 第25-26页 |
| 3.1.2 文本特征表示 | 第26-28页 |
| 3.1.3 模型构建 | 第28-29页 |
| 3.2 构建用户兴趣模型 | 第29-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第四章 潜在兴趣模型 | 第32-38页 |
| 4.1 传统的协同过滤算法 | 第32-35页 |
| 4.1.1 用户-农业信息行为矩阵 | 第33页 |
| 4.1.2 相似用户群 | 第33-34页 |
| 4.1.3 用户对候选农业信息的兴趣度 | 第34页 |
| 4.1.4 推荐结果的生成 | 第34-35页 |
| 4.2 用户间的混合相似度 | 第35页 |
| 4.3 潜在兴趣模型的构建 | 第35-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第五章 改进算法的有效性实验 | 第38-46页 |
| 5.1 实验数据和评价指标 | 第38-40页 |
| 5.1.1 实验数据 | 第38页 |
| 5.1.2 实验的评价指标 | 第38-40页 |
| 5.2 实验结果及分析 | 第40-44页 |
| 5.2.1 实验方法 | 第40页 |
| 5.2.2 加时间权的兴趣模型有效性验证 | 第40-41页 |
| 5.2.3 混合相似度有效性验证 | 第41-43页 |
| 5.2.4 总体实验对比情况 | 第43-44页 |
| 5.3 本章小结 | 第44-46页 |
| 第六章 总结与展望 | 第46-48页 |
| 6.1 本文工作总结 | 第46页 |
| 6.2 未来工作展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 作者简介 | 第51页 |
