基于偏好特征的个性化混合推荐算法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的研究内容 | 第13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 第2章 相关研究 | 第15-25页 |
| 2.1 基于内容的推荐算法 | 第15-18页 |
| 2.2 基于协同过滤的推荐算法 | 第18-20页 |
| 2.2.1 协同过滤的含义 | 第18页 |
| 2.2.2 基于用户的协同过滤推荐算法 | 第18-20页 |
| 2.2.3 基于项目的协同过滤推荐算法 | 第20页 |
| 2.3 基于人口统计学的推荐算法 | 第20-21页 |
| 2.4 混合推荐算法 | 第21-22页 |
| 2.5 本章小结 | 第22-25页 |
| 第3章 改进的UPIACF算法 | 第25-39页 |
| 3.1 UPIACF算法基本思想 | 第25-26页 |
| 3.2 UPIACF算法设计 | 第26-31页 |
| 3.2.1 User对Item特征属性建模 | 第26-28页 |
| 3.2.2 相似度的计算 | 第28-30页 |
| 3.2.3 最近邻用户的选取 | 第30页 |
| 3.2.4 评分预测 | 第30-31页 |
| 3.2.5 项目推荐 | 第31页 |
| 3.3 算法效果分析 | 第31-37页 |
| 3.3.1 实验环境 | 第31页 |
| 3.3.2 评估指标 | 第31-32页 |
| 3.3.3 数据处理 | 第32-33页 |
| 3.3.4 实验目的及方案 | 第33页 |
| 3.3.5 结果分析 | 第33-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 改进的个性化混合推荐算法 | 第39-45页 |
| 4.1 UPIACF_UAA算法基本思想 | 第39-41页 |
| 4.2 相似度的计算 | 第41页 |
| 4.3 最近邻用户的选取 | 第41-42页 |
| 4.4 评分预测 | 第42-43页 |
| 4.5 数据处理 | 第43页 |
| 4.6 项目推荐 | 第43-44页 |
| 4.7 本章小结 | 第44-45页 |
| 第5章 实验数据分析及性能评价 | 第45-55页 |
| 5.1 实验数据集 | 第45页 |
| 5.2 评价指标 | 第45-46页 |
| 5.3 实验方案 | 第46-47页 |
| 5.4 实验结果及分析 | 第47-53页 |
| 5.4.1 权重因子a的确定 | 第47-49页 |
| 5.4.2 结果分析 | 第49-53页 |
| 5.5 本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间所取得的研究成果 | 第61-63页 |
| 致谢 | 第63页 |
