基于用户兴趣的协同过滤算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 1.4 本文组织与结构 | 第16-18页 |
| 2 推荐系统相关研究 | 第18-30页 |
| 2.1 基本概念 | 第18-19页 |
| 2.2 推荐算法分类及相关技术 | 第19-27页 |
| 2.2.1 基于内容推荐 | 第19-21页 |
| 2.2.2 协同过滤推荐 | 第21-24页 |
| 2.2.3 基于关联规则推荐 | 第24-26页 |
| 2.2.4 其他推荐算法 | 第26-27页 |
| 2.3 问题和挑战 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 3 基于用户兴趣的协同过滤算法 | 第30-38页 |
| 3.1 用户协同过滤算法 | 第30-32页 |
| 3.2 用户兴趣 | 第32-35页 |
| 3.2.1 用户兴趣建模可行性分析 | 第32-33页 |
| 3.2.2 用户兴趣建模 | 第33-34页 |
| 3.2.3 用户兴趣度 | 第34-35页 |
| 3.3 CFBUI算法 | 第35-36页 |
| 3.4 CFBUI算法流程 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 改进用户兴趣协同过滤算法 | 第38-44页 |
| 4.1 艾宾浩斯遗忘定律 | 第38-39页 |
| 4.1.1 艾宾浩斯遗忘曲线 | 第38-39页 |
| 4.1.2 艾宾浩斯遗忘函数 | 第39页 |
| 4.2 滑动时间窗 | 第39-41页 |
| 4.3 用户兴趣 | 第41-42页 |
| 4.3.1 用户兴趣建模 | 第41页 |
| 4.3.2 建立用户兴趣因子 | 第41-42页 |
| 4.4 改进CFBUI算法 | 第42页 |
| 4.5 ICFBUI算法流程 | 第42-43页 |
| 4.6 本章小结 | 第43-44页 |
| 5 实验设计与分析 | 第44-56页 |
| 5.1 实验数据集 | 第44-45页 |
| 5.2 实验评估标准 | 第45-47页 |
| 5.3 实验环境 | 第47-48页 |
| 5.4 CFBUI算法实验分析 | 第48-50页 |
| 5.4.1 参数分析 | 第48-49页 |
| 5.4.2 结果分析 | 第49-50页 |
| 5.5 ICFBUI算法实验分析 | 第50-54页 |
| 5.5.1 参数分析 | 第50-51页 |
| 5.5.2 结果分析 | 第51-54页 |
| 5.6 本章小结 | 第54-56页 |
| 6 总结与展望 | 第56-58页 |
| 6.1 研究工作总结 | 第56页 |
| 6.2 研究展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 作者简介及读研期间主要科研成果 | 第64页 |
