基于信息内容时效性改进推荐算法的策略研究与实现
摘要 | 第1-6页 |
ABSTRACT | 第6-8页 |
目录 | 第8-11页 |
第一章 绪论 | 第11-16页 |
·引言 | 第11-13页 |
·本文研究意义 | 第13-14页 |
·本文的主要研究内容 | 第14页 |
·论文结构 | 第14-16页 |
第二章 推荐系统相关研究 | 第16-21页 |
·推荐系统的基本定义 | 第16-17页 |
·推荐系统的基本框架 | 第17-21页 |
·推荐系统的输入 | 第17-18页 |
·用户兴趣表示模型 | 第18-19页 |
·推荐算法简介 | 第19-21页 |
第三章 网络信息时效性研究 | 第21-32页 |
·引言 | 第21页 |
·信息老化相关研究 | 第21-22页 |
·文献信息的老化 | 第21页 |
·知识老化研究 | 第21-22页 |
·网络信息老化研究 | 第22页 |
·文献老化介绍 | 第22-24页 |
·文献老化的定义 | 第22-23页 |
·文献老化的原因 | 第23页 |
·文献老化的研究方法 | 第23页 |
·文献老化的衡量指标 | 第23-24页 |
·网络信息时效性研究 | 第24-25页 |
·问题的引入 | 第24页 |
·问题解决思路 | 第24-25页 |
·网络信息时效性模型 | 第25-28页 |
·网络信息时效性模型意义 | 第25-26页 |
·生命周期、半衰期概念 | 第26页 |
·网络信息时效性模型构建方法研究 | 第26-28页 |
·实验 | 第28-32页 |
·实验环境 | 第28页 |
·实验目的 | 第28页 |
·实验数据集 | 第28页 |
·实验评价标准 | 第28-29页 |
·实验结果及分析 | 第29-32页 |
第四章 网络信息时效性调优推荐结果方法研究 | 第32-40页 |
·引言 | 第32页 |
·上下文相关研究 | 第32-35页 |
·协同过滤简介 | 第32-33页 |
·协同过滤中相似度计算 | 第33-34页 |
·协同过滤中近邻选取 | 第34页 |
·协同过滤中结果推荐 | 第34-35页 |
·协同过滤的不足 | 第35页 |
·推荐结果调优 | 第35-37页 |
·建立数据模型 | 第35-36页 |
·算法设计思想 | 第36页 |
·算法过程描述 | 第36-37页 |
·实验 | 第37-38页 |
·实验环境 | 第37页 |
·实验数据集 | 第37页 |
·实验数据集处理 | 第37页 |
·实验评价标准 | 第37-38页 |
·实验步骤 | 第38页 |
·结果及分析 | 第38-39页 |
·小结 | 第39-40页 |
第五章 基于网络信息时效性的近邻选取方法研究 | 第40-45页 |
·引言 | 第40页 |
·算法改进 | 第40-42页 |
·基于项目的协同过滤算法相似度的计算 | 第40-41页 |
·近邻选取 | 第41-42页 |
·推荐结果 | 第42页 |
·实验 | 第42-43页 |
·实验准备 | 第42页 |
·实验步骤 | 第42-43页 |
·结果分析 | 第43页 |
·小结 | 第43-45页 |
第六章 基于资源时效量化的兴趣偏移模型 | 第45-56页 |
·引言 | 第45页 |
·时效性的在推荐系统中应用的相关研究 | 第45-46页 |
·用户兴趣漂移模型的研究现状 | 第45-46页 |
·现有兴趣遗忘模型问题 | 第46页 |
·兴趣遗忘模型 | 第46-48页 |
·用户长短期兴趣模型 | 第46-47页 |
·协同过滤的兴趣偏移模型 | 第47-48页 |
·资源时效性量化方法 | 第48-51页 |
·改进的想法 | 第48-49页 |
·资源量化的数学模型 | 第49-50页 |
·兴趣偏移的数学模型证明 | 第50页 |
·兴趣偏移系数的求取 | 第50页 |
·用户兴趣的偏移算法 | 第50-51页 |
·实验 | 第51-55页 |
·实验环境 | 第51页 |
·数据集 | 第51-52页 |
·评价标准 | 第52页 |
·实验结果与分析 | 第52-55页 |
·小结 | 第55-56页 |
第七章 总结与展望 | 第56-59页 |
·论文的工作与主要成果 | 第56-57页 |
·本文研究的应用场景 | 第57页 |
·下一步计划 | 第57-59页 |
参考文献 | 第59-63页 |
致谢 | 第63页 |