协同过滤推荐系统的用户兴趣变化和稀疏性问题研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景和意义 | 第9-10页 |
| ·推荐系统的国内外研究现状 | 第10-13页 |
| ·推荐系统的应用现状 | 第10-11页 |
| ·推荐算法研究现状 | 第11-13页 |
| ·研究内容及主要工作 | 第13页 |
| ·论文结构安排 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第二章 个性化推荐系统 | 第15-25页 |
| ·个性化推荐系统概念 | 第15页 |
| ·个性化推荐系统的结构 | 第15-16页 |
| ·个性化推荐系统的分类 | 第16-21页 |
| ·个性化推荐系统的评价 | 第21-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 协同过滤推荐算法 | 第25-36页 |
| ·协同过滤算法 | 第25-32页 |
| ·基于邻居的协同过滤 | 第25-30页 |
| ·基于模型的协同过滤 | 第30-31页 |
| ·算法比较 | 第31-32页 |
| ·协同过滤算法存在的问题及解决方法 | 第32-35页 |
| ·稀疏性 | 第32页 |
| ·冷启动问题 | 第32-34页 |
| ·用户兴趣变化 | 第34-35页 |
| ·可拓展性问题 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于时间和项目聚类的混合协同过滤算法 | 第36-59页 |
| ·相关符号定义 | 第36页 |
| ·适应用户兴趣变化的协同过滤算法 | 第36-39页 |
| ·基于项目属性聚类的协同过滤算法 | 第39-40页 |
| ·基于时间和项目聚类的混合协同过滤算法 | 第40-58页 |
| ·评分预测填充 | 第41-46页 |
| ·时间权重函数 | 第46-49页 |
| ·推荐候选集构造 | 第49-51页 |
| ·评分预测 | 第51页 |
| ·项目相似度计算 | 第51-55页 |
| ·算法描述 | 第55-57页 |
| ·算法分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 实验与分析 | 第59-71页 |
| ·实验数据集与实验环境 | 第59-61页 |
| ·Movielens 数据集 | 第59-60页 |
| ·实验数据集 | 第60-61页 |
| ·实验环境 | 第61页 |
| ·实验评价标准 | 第61页 |
| ·实验方案与结果分析 | 第61-69页 |
| ·算法的参数分析 | 第62-64页 |
| ·算法有效性比较 | 第64-69页 |
| ·本章小结 | 第69-71页 |
| 总结与展望 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 攻读硕士学位期间取得的研究成果 | 第77-78页 |
| 致谢 | 第78-79页 |
| 附件 | 第79页 |
