用于移动互联网应用市场的推荐系统的设计与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 待解决的问题 | 第10-12页 |
| 1.3 本文的研究内容 | 第12页 |
| 1.4 本文的章节安排 | 第12-13页 |
| 1.5 本章小结 | 第13-15页 |
| 第二章 相关知识 | 第15-23页 |
| 2.1 推荐算法 | 第15-16页 |
| 2.2 协同过滤算法(CF) | 第16-19页 |
| 2.2.1 基于用户相似度的协同过滤(CF-U) | 第16-18页 |
| 2.2.2 基于物品相似度的协同过滤(CF-I) | 第18-19页 |
| 2.3 基于内容的推荐算法(CB) | 第19-20页 |
| 2.4 推荐评级指标 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于时间热度的协同过滤模型 | 第23-39页 |
| 3.1 算法 | 第24-32页 |
| 3.1.1 协同过滤相关计算方法的改进 | 第24-27页 |
| 3.1.2 层次聚类量化批次下载 | 第27-29页 |
| 3.1.3 时间热度衰减模型 | 第29-31页 |
| 3.1.4 基于时间热度衰减的协同过滤算法 | 第31-32页 |
| 3.2 实验 | 第32-36页 |
| 3.2.1 实验设计 | 第32-33页 |
| 3.2.2 实验结果与分析 | 第33-36页 |
| 3.3 本章小结 | 第36-39页 |
| 第四章 基于时间热度的随机游走模型 | 第39-53页 |
| 4.1 算法 | 第39-48页 |
| 4.1.1 随机游走算法 | 第39-41页 |
| 4.1.2 随机游走算法计算复杂度的改进 | 第41-47页 |
| 4.1.3 基于是时间热度衰减的随机游走算法 | 第47-48页 |
| 4.2 实验 | 第48-51页 |
| 4.2.1 实验设计 | 第48页 |
| 4.2.2 实验结果与分析 | 第48-51页 |
| 4.3 本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 本文工作总结 | 第53-54页 |
| 5.2 未来研究工作展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 作者攻读学位期间发表的学术论文目录 | 第61页 |
