基于聚类技术的推荐算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 引言 | 第10-16页 |
| ·研究背景与意义 | 第10-12页 |
| ·研究内容 | 第12-13页 |
| ·论文的主要工作 | 第13-14页 |
| ·论文结构 | 第14-16页 |
| 第二章 推荐系统的相关研究综述 | 第16-28页 |
| ·引言 | 第16-18页 |
| ·推荐系统的商业应用 | 第18-20页 |
| ·推荐系统的主要方法 | 第20-24页 |
| ·基于内容的推荐算法 | 第20-21页 |
| ·协同过滤算法 | 第21-23页 |
| ·基于模型的推荐算法 | 第23-24页 |
| ·混合推荐算法 | 第24页 |
| ·推荐算法评价指标 | 第24-27页 |
| ·预测准确度 | 第25-26页 |
| ·排序准确度 | 第26页 |
| ·新颖性 | 第26-27页 |
| ·多样性 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第三章 一种基于项目聚类的推荐算法 | 第28-46页 |
| ·引言 | 第28-29页 |
| ·聚类分析概述 | 第29-30页 |
| ·基于项目聚类的推荐算法 | 第30-38页 |
| ·引言 | 第30-31页 |
| ·算法的基本思想 | 第31-33页 |
| ·针对项目的聚类 | 第33-34页 |
| ·用户归属度 | 第34-37页 |
| ·基于归属度的相似度定义 | 第37-38页 |
| ·实验与分析 | 第38-45页 |
| ·实验设计 | 第38-39页 |
| ·实验数据 | 第39-40页 |
| ·实验结果与分析 | 第40-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于跨电商行为的交叉推荐算法 | 第46-68页 |
| ·引言 | 第46-47页 |
| ·跨电商交叉推荐问题 | 第47-49页 |
| ·跨电商行为数据分析 | 第49-56页 |
| ·基本信息统计 | 第50-53页 |
| ·度分布特征 | 第53-56页 |
| ·跨电商交叉推荐算法 | 第56-59页 |
| ·基于二部分图资源分配的推荐算法 | 第56-57页 |
| ·建立映射表 | 第57-58页 |
| ·生成推荐列表 | 第58-59页 |
| ·实验设计 | 第59-60页 |
| ·数据集划分方式 | 第59-60页 |
| ·评测方法 | 第60页 |
| ·对比的算法 | 第60页 |
| ·一对一交叉推荐的实验结果 | 第60-63页 |
| ·准确率和召回率 | 第61-62页 |
| ·平均度 | 第62-63页 |
| ·平均海明距离 | 第63页 |
| ·多对一交叉推荐的实验结果 | 第63-66页 |
| ·多对一划分方式 | 第64页 |
| ·准确率和召回率 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 第五章 总结与展望 | 第68-72页 |
| ·工作总结 | 第69页 |
| ·工作展望 | 第69-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士期间的成果 | 第77-78页 |
