首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

面向教程的混合推荐算法研究

摘要第4-5页
Abstract第5-6页
目录第7-11页
1 绪论第11-17页
    1.1 研究背景第11-12页
    1.2 国内外研究现状第12-13页
    1.3 研究的目的和意义第13-14页
    1.4 本文的研究内容和论文结构第14-15页
    1.5 创新之处第15-16页
    1.6 本章小结第16-17页
2 教程推荐系统概述第17-23页
    2.1 推荐系统概述第17页
    2.2 教程推荐系统第17-18页
        2.2.1 设计目的第17-18页
        2.2.2 教程的定义第18页
        2.2.3 教程的特点第18页
    2.3 知识点第18-20页
        2.3.1 知识点的概念第18页
        2.3.2 知识点之间的关系第18-19页
        2.3.3 知识点树第19-20页
    2.4 教程推荐算法的选择第20-21页
    2.5 本章小结第21-23页
3 文字教程推荐算法第23-43页
    3.1 文字教程第23页
    3.2 基于内容推荐算法第23-25页
        3.2.1 算法简介第23-24页
        3.2.2 算法步骤第24-25页
    3.3 文档的向量空间模型表示第25-26页
    3.4 中文文本分词处理第26-27页
        3.4.1 中文自动分词技术第26-27页
        3.4.2 ICTCLAS中文自动分词系统第27页
    3.5 TF-IDF文本特征词提取第27-29页
        3.5.1 创建用户兴趣模型第27-28页
        3.5.2 教程特征表示第28-29页
        3.5.3 相似度计算第29页
    3.6 基于知识点树的教程推荐第29-39页
        3.6.1 Web日志数据转换与清洗第29-30页
        3.6.2 教程表示第30页
        3.6.3 基于用户行为的兴趣模型第30-35页
        3.6.4 算法过程第35-38页
        3.6.5 算法流程图第38-39页
    3.7 实验评估第39-40页
        3.7.1 实验数据集第39页
        3.7.2 实验方案第39页
        3.7.3 实验结果及分析第39-40页
    3.8 基于内容推荐算法存在的问题第40-41页
    3.9 本章小结第41-43页
4 视频教程推荐第43-53页
    4.1 视频教程第43页
    4.2 协同过滤推荐算法介绍第43页
    4.3 基于用户的(User-based)协同过滤推荐第43-48页
        4.3.1 数据表示第45页
        4.3.2 搜索最近邻居第45-46页
        4.3.3 产生推荐第46-48页
        4.3.4 邻居集的选取第48页
    4.4 基于项目的(Item-based)协同过滤推荐第48-51页
        4.4.1 余弦相似度计算第49-50页
        4.4.2 产生推荐第50-51页
    4.5 缺陷与不足第51页
    4.6 本章小结第51-53页
5 改进的协同过滤推荐算法第53-67页
    5.1 数据稀疏性问题第53页
    5.2 稀疏性问题的解决方法第53-55页
    5.3 算法改进思路第55-56页
        5.3.1 现有算法存在的问题第55-56页
        5.3.2 改进思路第56页
    5.4 KPIU-CF推荐算法第56-61页
        5.4.1 数据结构第58-59页
        5.4.2 KPIU-CF算法的输入与输出第59页
        5.4.3 算法过程第59-61页
    5.5 算法流程第61-63页
    5.6 算法的优势第63-64页
    5.7 实验评估第64-65页
        5.7.1 实验数据集第64页
        5.7.2 实验环境第64页
        5.7.3 评价标准第64页
        5.7.4 实验方案第64-65页
        5.7.5 实验结果及分析第65页
    5.8 本章小结第65-67页
6 混合推荐算法设计第67-71页
    6.1 混合推荐算法的必要性第67页
    6.2 混合推荐算法的类型第67-68页
    6.3 混合推荐算法设计第68-69页
        6.3.1 混合推荐系统的基本框架第68页
        6.3.2 混合推荐算法模型第68-69页
    6.4 产生推荐第69页
    6.5 本章小结第69-71页
7 教程推荐系统设计第71-79页
    7.1 系统设计目标第71页
    7.2 系统体系结构第71-72页
    7.3 系统功能设计第72-73页
    7.4 主要功能模块设计第73-76页
        7.4.1 推荐用户分类第74页
        7.4.2 模块设计第74-76页
    7.5 系统工作流程第76-77页
    7.6 本章小结第77-79页
8 总结与展望第79-81页
    8.1 本文总结第79页
    8.2 研究与展望第79-81页
参考文献第81-89页
致谢第89页

论文共89页,点击 下载论文
上一篇:外源性硫化氢对烧伤大鼠皮肤成纤维细胞周期的影响
下一篇:多房棘球蚴抗原蛋白Emy162及TSP3的抗原表位的预测及鉴定