基于Jaccard项目类别相似性的个性化推荐算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·课题研究背景 | 第9-10页 |
| ·国内外相关研究现状 | 第10-13页 |
| ·个性化推荐技术 | 第10-11页 |
| ·个性化推荐系统 | 第11-13页 |
| ·主要研究内容 | 第13-14页 |
| ·论文组织结构 | 第14-16页 |
| 第二章 个性化推荐系统及其核心技术 | 第16-27页 |
| ·个性化推荐系统 | 第16-17页 |
| ·个性化推荐技术 | 第17-21页 |
| ·基于内容推荐 | 第17-18页 |
| ·基于协同过滤推荐 | 第18-19页 |
| ·基于关联规则推荐 | 第19-20页 |
| ·基于效用推荐 | 第20页 |
| ·基于知识推荐 | 第20页 |
| ·组合推荐 | 第20-21页 |
| ·协同过滤技术的详细介绍 | 第21-26页 |
| ·协同过滤算法思想 | 第21-23页 |
| ·协同过滤技术的分类 | 第23-24页 |
| ·协同过滤技术的优点 | 第24页 |
| ·协同过滤技术的缺点及解决方法 | 第24-26页 |
| ·小结 | 第26-27页 |
| 第三章 基于云模型的项目评分预测推荐算法 | 第27-38页 |
| ·传统的项目相似性度量方法 | 第27-29页 |
| ·云模型相关介绍 | 第29-30页 |
| ·基于云模型的项目评分预测推荐算法 | 第30-34页 |
| ·相关定义 | 第30-31页 |
| ·基于云模型预测未评分项目评分 | 第31-32页 |
| ·产生推荐集 | 第32-34页 |
| ·实验 | 第34-37页 |
| ·测试数据集 | 第34页 |
| ·评价标准 | 第34-36页 |
| ·实验过程 | 第36页 |
| ·实验结果及分析 | 第36-37页 |
| ·小结 | 第37-38页 |
| 第四章 基于综合项目相似性的协同过滤推荐算法 | 第38-47页 |
| ·未考虑项目类别相似性的个性化推荐算法 | 第38页 |
| ·已有的计算项目类别相似性方法 | 第38-39页 |
| ·基于Jaccard相似性的项目类别相似性度量 | 第39-40页 |
| ·基于综合项目相似性的个性化推荐算法 | 第40-43页 |
| ·综合项目相似性的相关定义 | 第40-41页 |
| ·基于综合项目相似性预测未评分项目评分 | 第41-42页 |
| ·产生推荐集 | 第42-43页 |
| ·实验 | 第43-46页 |
| ·实验过程 | 第43-45页 |
| ·实验结果及分析 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第五章 结论与展望 | 第47-49页 |
| ·研究工作及成果总结 | 第47页 |
| ·进一步研究方向 | 第47-49页 |
| 参考文献 | 第49-54页 |
| 致谢 | 第54-55页 |
| 攻读学位期间主要研究成果 | 第55页 |
