基于特征属性相似度的混合推荐算法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 推荐系统的研究背景和意义 | 第8-9页 |
| 1.2 协同过滤推荐算法的研究背景和意义 | 第9-13页 |
| 1.2.1 基于内存的协同过滤算法 | 第10-11页 |
| 1.2.2 基于模型的协同过滤算法 | 第11-13页 |
| 1.3 本文工作安排 | 第13-15页 |
| 第二章 基于动态演化聚类的多角度相似度算法 | 第15-25页 |
| 2.1 动态演化聚类的多角度相似度模型 | 第15-19页 |
| 2.1.1 动态演化聚类模型 | 第15-16页 |
| 2.1.2 多角度相似度模型 | 第16-18页 |
| 2.1.3 评分预测 | 第18-19页 |
| 2.2 算法流程 | 第19页 |
| 2.2.1 算法流程图 | 第19页 |
| 2.3 实验结果 | 第19-24页 |
| 2.3.1 实验数据集 | 第19-20页 |
| 2.3.2 评价标准 | 第20页 |
| 2.3.3 实验分析 | 第20-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于相似度矩阵分解的协同过滤推荐算法 | 第25-36页 |
| 3.1 相似度矩阵分解算法模型 | 第25-27页 |
| 3.2 算法流程 | 第27-29页 |
| 3.2.1 算法流程图 | 第28-29页 |
| 3.3 实验结果 | 第29-35页 |
| 3.3.1 评价指标 | 第29页 |
| 3.3.2 实验分析 | 第29-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 总结与展望 | 第36-38页 |
| 4.1 本文总结 | 第36-37页 |
| 4.2 展望 | 第37-38页 |
| 参考文献 | 第38-42页 |
| 致谢 | 第42-43页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第43页 |
