基于置信度加权的单类协同过滤推荐算法研究
致谢 | 第5-6页 |
摘要 | 第6-7页 |
abstract | 第7页 |
变量注释表 | 第15-16页 |
1 绪论 | 第16-22页 |
1.1 研究背景与意义 | 第16-18页 |
1.2 国内外研究现状 | 第18-20页 |
1.3 本文研究内容及结构安排 | 第20-22页 |
2 协同过滤相关研究 | 第22-37页 |
2.1 推荐系统基本架构 | 第22-24页 |
2.2 协同过滤算法概述 | 第24-25页 |
2.3 基于内存的协同过滤算法 | 第25-28页 |
2.4 基于模型的协同过滤算法 | 第28-31页 |
2.5 单类协同过滤推荐算法 | 第31-35页 |
2.6 协同过滤算法的评价标准 | 第35-36页 |
2.7 本章小结 | 第36-37页 |
3 基于置信度加权的单类协同过滤推荐算法 | 第37-49页 |
3.1 CWIFRM模型 | 第37-41页 |
3.2 置信度函数设置 | 第41-43页 |
3.3 选择倾向程度设置 | 第43-44页 |
3.4 CWIFRM的优化算法 | 第44-48页 |
3.5 本章小结 | 第48-49页 |
4 实验与分析 | 第49-59页 |
4.1 实验设置 | 第49-50页 |
4.2 评价标准 | 第50-51页 |
4.3 对比算法 | 第51页 |
4.4 实验结果与分析 | 第51-58页 |
4.5 本章小结 | 第58-59页 |
5 结论与展望 | 第59-61页 |
5.1 结论 | 第59页 |
5.2 工作展望 | 第59-61页 |
参考文献 | 第61-65页 |
作者简历 | 第65-66页 |
学位论文数据集 | 第66页 |