协同过滤中数据稀疏问题与推荐实时性的研究
| 中文摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 引言 | 第9-14页 |
| ·研究背景及意义 | 第9-10页 |
| ·研究现状 | 第10-12页 |
| ·本文的研究内容 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| 第二章 相关理论及技术综述 | 第14-22页 |
| ·推荐系统 | 第14-18页 |
| ·推荐算法 | 第14-15页 |
| ·相似性度量 | 第15-16页 |
| ·推荐评估 | 第16-17页 |
| ·存在的问题 | 第17-18页 |
| ·聚类 | 第18-21页 |
| ·聚类分析的类型 | 第18-19页 |
| ·K-均值聚类 | 第19-20页 |
| ·DBSCAN算法 | 第20-21页 |
| ·Mahout | 第21-22页 |
| 第三章 协同过滤数据稀疏问题的研究 | 第22-31页 |
| ·数据稀疏问题及解决方法的选择 | 第22-23页 |
| ·基于相似度加权融合的数据填充(DPFS) | 第23-25页 |
| ·实验过程及结果 | 第25-30页 |
| ·数据集 | 第25-26页 |
| ·概念分层 | 第26-27页 |
| ·相似度加权求和 | 第27-28页 |
| ·实验结果分析 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 协同过滤推荐实时性问题的研究 | 第31-57页 |
| ·推荐实时性问题及解决方法的选择 | 第31-33页 |
| ·基于聚类簇代表点的协同过滤（CFRC） | 第33-42页 |
| ·算法的详述 | 第34-41页 |
| ·算法的目标及评估 | 第41-42页 |
| ·实验过程 | 第42-48页 |
| ·数据的抽样 | 第42-44页 |
| ·产生簇、确定簇代表点 | 第44-47页 |
| ·产生推荐 | 第47页 |
| ·计算MAE | 第47-48页 |
| ·实验小结 | 第48页 |
| ·实验结果与讨论 | 第48-53页 |
| ·簇的个数 | 第49-50页 |
| ·阈值 β | 第50-51页 |
| ·近邻个数 | 第51-52页 |
| ·簇代表点 | 第52-53页 |
| ·小结 | 第53页 |
| ·基于模糊聚类簇代表点的协同过滤（CFRFC） | 第53-55页 |
| ·模糊K均值聚类 | 第54-55页 |
| ·实验结果及分析 | 第55页 |
| ·本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-60页 |
| ·总结 | 第57-58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 在学期间的研究成果 | 第64-65页 |
| 致谢 | 第65页 |
