基于项目权重的用户相似度推荐算法研究
| 摘要 | 第2-3页 |
| abstract | 第3-4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文组织结构 | 第10-13页 |
| 第二章 推荐系统介绍 | 第13-35页 |
| 2.1 推荐系统概述 | 第13-14页 |
| 2.2 推荐系统的个性化应用 | 第14-20页 |
| 2.2.1 电子商务 | 第14-16页 |
| 2.2.2 电影和视频网站 | 第16-18页 |
| 2.2.3 个性化音乐网络电台 | 第18-20页 |
| 2.3 基于用户行为数据的推荐 | 第20-23页 |
| 2.3.1 用户行为数据及行为分析 | 第21-22页 |
| 2.3.2 协同过滤算法 | 第22-23页 |
| 2.4 基于内容的推荐系统 | 第23-26页 |
| 2.5 基于近邻的推荐 | 第26-27页 |
| 2.6 基于情境感知的推荐 | 第27-29页 |
| 2.7 推荐系统实例 | 第29-33页 |
| 2.7.1 外围架构 | 第29页 |
| 2.7.2 推荐系统架构 | 第29-32页 |
| 2.7.3 推荐引擎架构 | 第32-33页 |
| 2.8 本章小结 | 第33-35页 |
| 第三章 相似度计算方法及评估准则 | 第35-49页 |
| 3.1 协同过滤推荐算法 | 第35-38页 |
| 3.2 推荐系统中主要的相似度计算方法 | 第38-42页 |
| 3.2.1 基于皮尔逊相关系数的相似度 | 第38-40页 |
| 3.2.2 基于夹角余弦的相似度 | 第40-41页 |
| 3.2.3 基于Jaccard相关系数的相似度 | 第41-42页 |
| 3.3 推荐系统中质量评估方法 | 第42-48页 |
| 3.3.1 实验数据集 | 第42-45页 |
| 3.3.2 评价指标 | 第45-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 项目权重的用户相似度方法及分析 | 第49-65页 |
| 4.1 普通算法缺陷 | 第49-50页 |
| 4.2 考虑项目权重的相似度方法 | 第50-56页 |
| 4.2.1 共同已评分项目加权计算 | 第51-52页 |
| 4.2.2 考虑加权后用户相似度计算方法 | 第52页 |
| 4.2.3 用户相似度具体实现分析 | 第52-56页 |
| 4.3 推荐实现步骤 | 第56-62页 |
| 4.3.1 拆分数据集 | 第56-58页 |
| 4.3.2 相似度算法 | 第58-59页 |
| 4.3.3 推荐算法 | 第59-61页 |
| 4.3.4 评估指标算法 | 第61-62页 |
| 4.4 本章小结 | 第62-65页 |
| 第五章 实验结果与分析 | 第65-73页 |
| 5.1 实验所需要的环境介绍 | 第65-67页 |
| 5.1.1 开发语言python介绍 | 第65页 |
| 5.1.2 python环境搭建 | 第65-67页 |
| 5.2 实验结果与分析 | 第67-71页 |
| 5.2.1 实验结果 | 第67-70页 |
| 5.2.2 实验结果分析 | 第70-71页 |
| 5.3 本章小结 | 第71-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 工作总结 | 第73页 |
| 6.2 工作展望 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 攻读学位期间的研究成果 | 第81-83页 |
| 致谢 | 第83-85页 |
