基于评分预测和概率融合的协同过滤研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 第1章 绪论 | 第10-13页 |
| ·研究背景 | 第10-11页 |
| ·本文的主要研究内容 | 第11页 |
| ·本文的组织 | 第11-13页 |
| 第二章 电子商务推荐系统及协同过滤技术 | 第13-26页 |
| ·电子商务推荐系统简介 | 第13-15页 |
| ·概念 | 第13-14页 |
| ·作用 | 第14页 |
| ·现有推荐系统 | 第14-15页 |
| ·电子商务推荐系统推荐方法 | 第15-18页 |
| ·基于内容推荐 | 第15-16页 |
| ·协同过滤推荐 | 第16页 |
| ·基于关联规则推荐 | 第16-17页 |
| ·基于效用推荐 | 第17页 |
| ·基于知识推荐 | 第17页 |
| ·组合推荐 | 第17-18页 |
| ·主要推荐方法的对比 | 第18页 |
| ·协同过滤技术 | 第18-25页 |
| ·协同过滤的优缺点 | 第18-19页 |
| ·协同过滤的实现 | 第19-23页 |
| ·协同过滤算法 | 第23-25页 |
| ·小结 | 第25-26页 |
| 第三章 协同过滤算法存在的问题及解决方法 | 第26-36页 |
| ·协同过滤在应用中存在的问题 | 第26-28页 |
| ·稀疏性问题 | 第26-27页 |
| ·冷开始问题 | 第27页 |
| ·可扩展性问题 | 第27-28页 |
| ·现有的解决方法 | 第28-35页 |
| ·LSI/SVD 降维 | 第28-30页 |
| ·特征加权 | 第30-32页 |
| ·用户的筛选 | 第32-34页 |
| ·其它方法 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第四章 基于评分预测和概率融合的协同过滤 | 第36-48页 |
| ·算法的理论依据 | 第36-40页 |
| ·基于用户和项的协同过滤算法 | 第37-39页 |
| ·算法提出的依据 | 第39-40页 |
| ·算法描述 | 第40-41页 |
| ·单个场景下的推荐算法 | 第41-47页 |
| ·数据预处理 | 第41页 |
| ·最近邻居集的选取 | 第41-44页 |
| ·概率融合框架 | 第44-46页 |
| ·概率的计算 | 第46-47页 |
| ·小结 | 第47-48页 |
| 第五章 实验与评价 | 第48-55页 |
| ·实验目的 | 第48页 |
| ·实验数据集及实验环境 | 第48-49页 |
| ·实验评价标准 | 第49-50页 |
| ·实验方案 | 第50页 |
| ·实验结果及性能比较 | 第50-54页 |
| ·小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 1.本文的主要工作 | 第55页 |
| 2.未来的工作 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间的论文及科研成果 | 第62页 |
