面向数据稀疏的协同过滤推荐算法研究与优化
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-18页 |
| ·课题的研究背景 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·推荐系统研究现状 | 第12-13页 |
| ·推荐算法的研究现状 | 第13-15页 |
| ·本文的研究内容 | 第15页 |
| ·本文的组织结构 | 第15-17页 |
| ·本章小结 | 第17-18页 |
| 第二章 电子商务个性化推荐系统及相关技术 | 第18-28页 |
| ·电子商务个性化推荐系统的发展历程 | 第18-19页 |
| ·电子商务个性化推荐系统的体系结构 | 第19-22页 |
| ·电子商务个性化推荐系统相关技术 | 第22-27页 |
| ·相关推荐技术 | 第22-23页 |
| ·相关推荐算法 | 第23-26页 |
| ·各种推荐算法比较 | 第26-27页 |
| ·电子商务个性化推荐系统的作用 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第三章 传统协同过滤推荐算法 | 第28-42页 |
| ·基于用户的协同过滤推荐算法 | 第28-32页 |
| ·基于项目的协同过滤推荐算法 | 第32-35页 |
| ·协同过滤推荐算法存在的问题及解决方法 | 第35-39页 |
| ·数据稀疏性问题 | 第36-37页 |
| ·冷启动问题 | 第37-38页 |
| ·可扩展性问题 | 第38-39页 |
| ·算法性能评估标准 | 第39-41页 |
| ·数据集 | 第39页 |
| ·评估标准 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 协同过滤推荐算法的改进 | 第42-48页 |
| ·问题的提出与分析 | 第42-44页 |
| ·数据稀疏性问题 | 第42页 |
| ·时间问题 | 第42-44页 |
| ·算法的改进思路 | 第44-46页 |
| ·降低数据稀疏性 | 第44页 |
| ·引入时间函数 | 第44-46页 |
| ·改进算法分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 改进算法的仿真测试 | 第48-66页 |
| ·实验数据集和环境 | 第48-50页 |
| ·评估标准 | 第50页 |
| ·实验步骤及实验结果分析 | 第50-64页 |
| ·确定相似度计算方法 | 第52-56页 |
| ·矩阵填充之后的推荐质量 | 第56-60页 |
| ·引入时间函数的推荐质量 | 第60-64页 |
| ·实验结论 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 总结与展望 | 第66-69页 |
| 总结 | 第66-67页 |
| 展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73页 |
