基于图优化的协同过滤Web服务推荐模型
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 服务推荐问题概述 | 第13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第二章 相关工作综述 | 第16-22页 |
| 2.1 推荐系统概述 | 第16-17页 |
| 2.2 基于协同过滤的推荐技术 | 第17-19页 |
| 2.3 多策略混合推荐系统框架 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 协同过滤模型设计 | 第22-31页 |
| 3.1 邻域模型概述 | 第22-24页 |
| 3.2 Offine模块 | 第24-28页 |
| 3.2.1 相似度计算 | 第24-25页 |
| 3.2.2 近邻选取 | 第25-26页 |
| 3.2.3 单一模型预测 | 第26-27页 |
| 3.2.4 可信度计算 | 第27-28页 |
| 3.2.5 混合模型预测 | 第28页 |
| 3.3 Online模块 | 第28-29页 |
| 3.3.1 用户预测 | 第28-29页 |
| 3.3.2 服务推荐 | 第29页 |
| 3.4 时间复杂度分析 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 邻域模型优化 | 第31-39页 |
| 4.1 优化思想概述 | 第31-32页 |
| 4.2 基于预测树的迭代过程优化 | 第32-33页 |
| 4.2.1 PTree定义及构造 | 第32-33页 |
| 4.2.2 PTree优化应用 | 第33页 |
| 4.3 基于预测图的邻域模型优化 | 第33-38页 |
| 4.3.1 PGraph定义及构造 | 第33-35页 |
| 4.3.2 PGraph优化应用 | 第35-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第五章 实验分析 | 第39-57页 |
| 5.1 实验设计 | 第39-40页 |
| 5.2 模型对比 | 第40-41页 |
| 5.3 方法对比 | 第41-48页 |
| 5.3.1 相似度计算 | 第41-46页 |
| 5.3.2 近邻选取 | 第46-47页 |
| 5.3.3 单一模型预测 | 第47-48页 |
| 5.4 参数分析 | 第48-53页 |
| 5.5 迭代性能 | 第53-55页 |
| 5.6 实验案例 | 第55-56页 |
| 5.7 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-60页 |
| 6.1 本文工作总结 | 第57-58页 |
| 6.2 存在的问题 | 第58页 |
| 6.3 进一步工作 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 简历与科研成果 | 第65-66页 |
| 致谢 | 第66-67页 |
