基于协同过滤的个性推荐算法研究及系统实现
| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 课题研究背景及意义 | 第14-15页 |
| 1.2 个性化推荐技术研究现状 | 第15-16页 |
| 1.2.1 国外研究现状 | 第15-16页 |
| 1.2.2 国内研究现状 | 第16页 |
| 1.3 论文的主要研究内容 | 第16-17页 |
| 1.4 本文的创新之处 | 第17页 |
| 1.5 本文的章节安排 | 第17-20页 |
| 第二章 个性化推荐系统概述 | 第20-26页 |
| 2.1 个性化推荐系统定义及作用 | 第20-21页 |
| 2.2 个性化推荐系统的组成 | 第21-22页 |
| 2.2.1 输入功能模块 | 第21-22页 |
| 2.2.2 推荐算法模块 | 第22页 |
| 2.2.3 输出功能模块 | 第22页 |
| 2.3 个性化推荐系统的评价指标 | 第22-23页 |
| 2.4 个性化推荐系统的不足与挑战 | 第23-24页 |
| 2.5 本章小节 | 第24-26页 |
| 第三章 相关推荐算法 | 第26-36页 |
| 3.1 协同过滤推荐算法 | 第26-31页 |
| 3.1.1 协同过滤算法概述 | 第26页 |
| 3.1.2 协同过滤的推荐过程 | 第26-30页 |
| 3.1.3 协同过滤算法存在的问题 | 第30-31页 |
| 3.2 其他几种常用推荐算法 | 第31-33页 |
| 3.2.1 基于内容的推荐 | 第31-32页 |
| 3.2.2 基于关联规则的推荐 | 第32页 |
| 3.2.3 基于人口统计信息的推荐 | 第32-33页 |
| 3.3 各种推荐算法的比较 | 第33页 |
| 3.4 组合推荐技术 | 第33-34页 |
| 3.5 本章小节 | 第34-36页 |
| 第四章 改进后的协同过滤推荐算法 | 第36-46页 |
| 4.1 RFM模型在协同过滤算法中的引入 | 第36-39页 |
| 4.1.1 RFM模型引入思想 | 第36-37页 |
| 4.1.2 RFM模型概述 | 第37-38页 |
| 4.1.3 RFM模型参数设置 | 第38页 |
| 4.1.4 RFM模型的生成 | 第38-39页 |
| 4.2 用户-项目评分矩阵的改进 | 第39-41页 |
| 4.2.1 评分矩阵的改进思想 | 第39页 |
| 4.2.2 用户兴趣度定义 | 第39-41页 |
| 4.2.3 评分矩阵的改进说明 | 第41页 |
| 4.3 相似度计算公式的改进 | 第41-43页 |
| 4.3.1 相似度计算公式的改进思路 | 第42-43页 |
| 4.3.2 改进后的相似度计算公式 | 第43页 |
| 4.4 改进算法的整体流程 | 第43-45页 |
| 4.5 本章小节 | 第45-46页 |
| 第五章 改进算法的实验设计与结果分析 | 第46-60页 |
| 5.1 实验环境 | 第46页 |
| 5.2 实验数据介绍 | 第46-47页 |
| 5.3 方案设计与结果分析 | 第47-57页 |
| 5.3.1 多重交叉验证技术 | 第47-48页 |
| 5.3.2 改进后相似度计算公式的有效性验证 | 第48-50页 |
| 5.3.3 改进后协同过滤推荐算法的有效性验证 | 第50-57页 |
| 5.4 实验结论 | 第57-58页 |
| 5.5 本章小结 | 第58-60页 |
| 第六章 个性化推荐系统的设计与实现 | 第60-68页 |
| 6.1 系统需求分析 | 第60-61页 |
| 6.1.1 系统功能需求 | 第60页 |
| 6.1.2 系统非功能需求 | 第60-61页 |
| 6.2 系统数据库表设计 | 第61-62页 |
| 6.3 系统主要模块实现 | 第62-67页 |
| 6.3.1 用户管理模块 | 第62-63页 |
| 6.3.2 系统管理模块 | 第63-65页 |
| 6.3.3 商品管理模块 | 第65页 |
| 6.3.4 非个性化推荐模块 | 第65-66页 |
| 6.3.5 个性化推荐模块 | 第66-67页 |
| 6.4 本章小结 | 第67-68页 |
| 第七章 总结与展望 | 第68-70页 |
| 7.1 总结 | 第68-69页 |
| 7.2 今后工作的展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 研究成果及发表的学术论文 | 第76-78页 |
| 作者及导师简介 | 第78-80页 |
| 附件 | 第80-81页 |
