推荐系统中的协同过滤算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 推荐系统的发展及研究现状 | 第13-19页 |
| 1.2.1 推荐系统的发展历程 | 第13-17页 |
| 1.2.2 推荐系统的研究现状 | 第17-19页 |
| 1.3 推荐系统面临的挑战 | 第19-20页 |
| 1.4 本文主要研究内容 | 第20-21页 |
| 1.5 本文组织结构安排 | 第21-22页 |
| 第2章 推荐系统相关技术 | 第22-34页 |
| 2.1 推荐系统介绍 | 第22-23页 |
| 2.2 推荐系统功能 | 第23-25页 |
| 2.3 推荐系统技术 | 第25-26页 |
| 2.4 协同过滤技术 | 第26-29页 |
| 2.4.1 问题定义 | 第26-27页 |
| 2.4.2 基于内存的协同过滤 | 第27-28页 |
| 2.4.3 基于模型的协同过滤 | 第28-29页 |
| 2.5 推荐系统的应用 | 第29-31页 |
| 2.6 推荐系统的评测 | 第31-33页 |
| 2.6.1 实验方法 | 第31-32页 |
| 2.6.2 评测指标 | 第32-33页 |
| 2.7 本章小结 | 第33-34页 |
| 第3章 基于改进相似度的协同过滤算法 | 第34-52页 |
| 3.1 引言 | 第34-35页 |
| 3.2 基础理论 | 第35-37页 |
| 3.2.1 评分预测模型 | 第35-36页 |
| 3.2.2 常用相似度计算方法 | 第36-37页 |
| 3.3 基于改进相似度的协同过滤算法 | 第37-40页 |
| 3.3.1 融合收缩因子的相似度 | 第37-39页 |
| 3.3.2 考虑隐式反馈的相似度 | 第39-40页 |
| 3.4 实验 | 第40-51页 |
| 3.4.1 数据集 | 第40页 |
| 3.4.2 实验设计及评价指标 | 第40-41页 |
| 3.4.3 实验结果与分析 | 第41-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 基于矩阵分解的协同过滤算法 | 第52-61页 |
| 4.1 引言 | 第52-53页 |
| 4.2 基础理论 | 第53-55页 |
| 4.2.1 奇异值分解 | 第53-54页 |
| 4.2.2 基于随机梯度下降的矩阵分解模型 | 第54-55页 |
| 4.3 基于矩阵分解的协同过滤算法 | 第55-56页 |
| 4.4 实验 | 第56-60页 |
| 4.4.1 数据集 | 第56页 |
| 4.4.2 实验设计 | 第56页 |
| 4.4.3 实验结果与分析 | 第56-60页 |
| 4.5 本章小结 | 第60-61页 |
| 结论 | 第61-64页 |
| 参考文献 | 第64-71页 |
| 致谢 | 第71-73页 |
| 附录 A 攻读硕士学位期间发表的学术论文 | 第73-74页 |
| 附录 B 攻读硕士学位期间所参与的科研 | 第74页 |
