个性化混合推荐算法的研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 引言 | 第9-10页 |
| 1.2 推荐系统的研究意义及其发展现状 | 第10-12页 |
| 1.2.1 推荐系统的研究意义 | 第10-11页 |
| 1.2.2 推荐系统的发展现状 | 第11-12页 |
| 1.3 本文的研究内容 | 第12-13页 |
| 1.4 本文的组织结构 | 第13页 |
| 1.5 本章小结 | 第13-14页 |
| 第2章 推荐系统及其相关技术概述 | 第14-32页 |
| 2.1 相关技术 | 第14-16页 |
| 2.1.1 信息检索技术 | 第14-15页 |
| 2.1.2 信息过滤技术 | 第15页 |
| 2.1.3 数据挖掘技术 | 第15-16页 |
| 2.2 推荐算法介绍 | 第16-31页 |
| 2.2.1 基于内容的推荐算法 | 第19-23页 |
| 2.2.2 基于协同过滤推荐算法 | 第23-29页 |
| 2.2.3 混合推荐算法 | 第29-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第3章 推荐系统中的全局和局部特性 | 第32-47页 |
| 3.1 推荐系统中的全局和局部特性 | 第32-33页 |
| 3.2 用户行为中的全局和局部特性分析 | 第33-38页 |
| 3.3 典型推荐算法的全局性和局部性分析 | 第38-42页 |
| 3.3.1 基于用户的协同过滤算法 | 第38-40页 |
| 3.3.2 基于物品的协同过滤算法 | 第40-42页 |
| 3.4 基于全局特性或者局部特性的推荐算法 | 第42-46页 |
| 3.4.1 改进的基于用户的协同过滤算法 | 第43-44页 |
| 3.4.2 基于SVD的推荐算法 | 第44-45页 |
| 3.4.3 基于物品的邻近推荐模型 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于全局和局部特性的个性化混合模型 | 第47-55页 |
| 4.1 问题定义 | 第47-48页 |
| 4.2 个性化混合模型 | 第48-51页 |
| 4.3 模型解法 | 第51-52页 |
| 4.4 混合训练方法 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 实验设计与结果 | 第55-65页 |
| 5.1 数据集 | 第55页 |
| 5.2 评价标准 | 第55-57页 |
| 5.3 单一推荐算法的参数选择实验 | 第57-59页 |
| 5.4 混合算法实验结果 | 第59-63页 |
| 5.5 混合模型的参数调整 | 第63-64页 |
| 5.6 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73页 |
