基于多特征融合的混合协同过滤算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 引言 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 论文主要研究内容和结构安排 | 第11-13页 |
| 1.3.1 主要研究内容 | 第11页 |
| 1.3.2 论文结构 | 第11-13页 |
| 1.4 本章小结 | 第13-15页 |
| 第2章 协同过滤技术 | 第15-23页 |
| 2.1 协同过滤技术概述 | 第15页 |
| 2.2 协同过滤算法分类 | 第15-20页 |
| 2.2.1 基于记忆的协同过滤算法 | 第16-18页 |
| 2.2.2 基于模型的协同过滤算法 | 第18-19页 |
| 2.2.3 混合的协同过滤算法 | 第19-20页 |
| 2.3 标准数据集和评价指标 | 第20-21页 |
| 2.3.1 数据集 | 第20页 |
| 2.3.2 评价指标 | 第20-21页 |
| 2.4 协同过滤技术面临的问题和挑战 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 基于多特征融合的相似性度量方法 | 第23-33页 |
| 3.1 相关研究工作 | 第23页 |
| 3.2 增强的皮尔森相关相似性度量方法 | 第23-25页 |
| 3.2.1 问题分析 | 第23-24页 |
| 3.2.2 方法描述 | 第24-25页 |
| 3.3 评分和特征融合的相似性度量方法 | 第25-29页 |
| 3.3.1 问题分析 | 第25-26页 |
| 3.3.2 方法描述 | 第26-29页 |
| 3.4 实验验证及算法性能分析 | 第29-31页 |
| 3.4.1 数据集及评价指标 | 第29页 |
| 3.4.2 实验结果与分析 | 第29-31页 |
| 3.5 本章小结 | 第31-33页 |
| 第4章 基于信任区间的K近邻优化算法 | 第33-37页 |
| 4.1 相关研究工作 | 第33页 |
| 4.2 基于信任区间的k近邻优化算法 | 第33-35页 |
| 4.2.1 问题分析 | 第33-34页 |
| 4.2.2 算法设计及流程 | 第34-35页 |
| 4.3 实验验证及算法性能分析 | 第35-36页 |
| 4.3.1 数据集及评价指标 | 第35页 |
| 4.3.2 实验结果与分析 | 第35-36页 |
| 4.4 本章小结 | 第36-37页 |
| 第5章 基于用户和项目混合的协同过滤算法 | 第37-45页 |
| 5.1 相关研究工作 | 第37页 |
| 5.2 基于用户和项目混合的协同过滤算法 | 第37-41页 |
| 5.2.1 问题分析 | 第37-38页 |
| 5.2.2 用户和项目二维邻居选择流程 | 第38-40页 |
| 5.2.3 用户和项目混合区间匹配预测 | 第40-41页 |
| 5.3 实验验证及算法性能分析 | 第41-43页 |
| 5.3.1 数据集及评价指标 | 第41页 |
| 5.3.2 实验结果与分析 | 第41-43页 |
| 5.4 本章小结 | 第43-45页 |
| 第6章 总结及展望 | 第45-47页 |
| 6.1 总结 | 第45-46页 |
| 6.2 展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51-53页 |
| 硕士期间发表论文及科研情况 | 第53页 |
