基于遗传算法改进协同过滤相似度的推荐算法研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究的背景及意义 | 第10-11页 |
| 1.2 推荐算法国内外研究现状 | 第11-14页 |
| 1.2.1 传统推荐算法的发展 | 第11-13页 |
| 1.2.2 基于上下文感知的推荐系统的发展 | 第13-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第2章 推荐系统相关技术介绍 | 第17-25页 |
| 2.1 传统的推荐系统 | 第17-22页 |
| 2.1.1 协同过滤推荐算法 | 第17-20页 |
| 2.1.2 基于内容的推荐 | 第20-22页 |
| 2.2 上下文感知的推荐系统 | 第22-23页 |
| 2.3 推荐系统效用评价 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于遗传算法改进的相似度计算 | 第25-36页 |
| 3.1 遗传算法介绍 | 第25-28页 |
| 3.2 协同过滤中相似度的计算 | 第28-30页 |
| 3.3 遗传算法改进的相似度 | 第30-32页 |
| 3.4 实验设计 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 分层因子分解机模型 | 第36-48页 |
| 4.1 因子分解机模型介绍 | 第36-42页 |
| 4.2 分层设计 | 第42-44页 |
| 4.3 算法设计 | 第44-45页 |
| 4.4 实验及实验结果分析 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-50页 |
| 5.1 本文工作总结 | 第48-49页 |
| 5.2 未来工作展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 作者简介及在学期间所取得的科研成果 | 第54-55页 |
| 作者简介 | 第54-55页 |
| 致谢 | 第55页 |
