基于滑标评分的推荐系统模型及算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题研究背景以及研究意义 | 第8-9页 |
| 1.2 用户推荐技术研究现状 | 第9-13页 |
| 1.2.1 基于内容的推荐算法的研究现状 | 第9-10页 |
| 1.2.2 基于协同过滤的推荐算法的研究 | 第10-12页 |
| 1.2.3 基于标签的推荐算法的研究 | 第12-13页 |
| 1.2.4 当前推荐算法缺陷总结 | 第13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 基于滑标评分的系统模型 | 第16-28页 |
| 2.1 数据表示 | 第16-19页 |
| 2.1.1 基于标签的推荐系统数据表示 | 第16-17页 |
| 2.1.2 基于滑标评分的推荐系统数据表示 | 第17-19页 |
| 2.2 系统框架 | 第19-26页 |
| 2.2.1 模块介绍 | 第19-24页 |
| 2.2.2 数据处理流程 | 第24-26页 |
| 2.2.3 系统架构及数据处理流程的形式化描述 | 第26页 |
| 2.3 模型优越性阐述 | 第26-27页 |
| 2.3.1 解决冷启动与复杂兴趣推荐问题 | 第26-27页 |
| 2.3.2 解决可解释性差问题 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于滑标评分的推荐算法研究 | 第28-43页 |
| 3.1 数据源分解算法 | 第28-32页 |
| 3.1.1 用户滑标特征求解算法 | 第28-30页 |
| 3.1.2 物品滑标特征求解算法 | 第30-31页 |
| 3.1.3 物品整体评分求解算法 | 第31-32页 |
| 3.2 离线计算推荐相关算法 | 第32-37页 |
| 3.2.1 奇异值分解基础相关 | 第32-33页 |
| 3.2.2 基于矩阵填充的推荐算法 | 第33-37页 |
| 3.3 在线计算相关算法 | 第37-40页 |
| 3.3.1 相似用户两级聚类算法 | 第38-39页 |
| 3.3.2 基于聚类的物品推荐算法 | 第39-40页 |
| 3.4 反馈计算相关算法 | 第40-42页 |
| 3.4.1 算法基本思想 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 实验验证 | 第43-53页 |
| 4.1 推荐系统评测相关 | 第43-46页 |
| 4.1.1 评测方法 | 第43-44页 |
| 4.1.2 评测标准 | 第44-46页 |
| 4.2 实验环境介绍 | 第46-47页 |
| 4.2.1 开发环境 | 第46页 |
| 4.2.2 实验数据 | 第46-47页 |
| 4.3 离线计算推荐实验 | 第47-49页 |
| 4.3.1 数据预处理 | 第47页 |
| 4.3.2 实验流程 | 第47页 |
| 4.3.3 实验结果及分析 | 第47-49页 |
| 4.4 在线计算推荐实验 | 第49-50页 |
| 4.4.1 实验数据预处理 | 第49页 |
| 4.4.2 实验流程 | 第49页 |
| 4.4.3 实验结果及分析 | 第49-50页 |
| 4.5 反馈计算推荐实验 | 第50-52页 |
| 4.5.1 在线反馈计算推荐 | 第50-51页 |
| 4.5.2 用户问卷调查 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 攻读硕士学位期间发表的论文 | 第59-61页 |
| 致谢 | 第61页 |
