首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

结合项目标签与评分的协同过滤推荐算法研究

摘要第4-6页
Abstract第6-7页
第一章 绪论第12-17页
    1.1 研究背景及意义第12-13页
    1.2 国内外研究现状第13-15页
    1.3 主要研究内容第15页
    1.4 本文组织结构第15-17页
第二章 推荐系统及主要方法第17-29页
    2.1 推荐系统介绍第17-21页
        2.1.1 推荐系统基本概念第17-18页
        2.1.2 推荐系统的总体框架第18-19页
        2.1.3 推荐系统的商务应用第19-21页
    2.2 推荐系统主要方法第21-27页
        2.2.1 基于协同过滤的推荐算法第21-23页
        2.2.2 基于内容的推荐算法第23-25页
        2.2.3 基于网络结构的推荐算法第25-27页
        2.2.4 混合推荐算法第27页
    2.3 本章小结第27-29页
第三章 结合项目标签与评分的协同过滤推荐算法第29-44页
    3.1 基于项目的协同过滤推荐算法描述第29-34页
        3.1.1 建立用户-项目反馈信息矩阵第31-32页
        3.1.2 项目相似性度量方法第32-33页
        3.1.3 推荐结果产生第33-34页
    3.2 现有相似性度量方法不足之处第34页
    3.3 结合项目标签与评分的协同过滤推荐算法(TPSSI_ICF)研究第34-43页
        3.3.1 改进算法提出第34-37页
        3.3.2 标签定义及相似度第37-39页
        3.3.3 项目相似性度量方法第39-43页
    3.4 本章小结第43-44页
第四章 实验设计与算法测评第44-52页
    4.1 推荐系统实验方法第44-46页
        4.1.1 离线实验第44页
        4.1.2 用户调查第44-45页
        4.1.3 在线实验第45-46页
    4.2 推荐算法的评判指标第46-47页
    4.3 实验与分析第47-50页
        4.3.1 实验数据第47页
        4.3.2 实验设置第47-48页
        4.3.3 实验结果与分析第48-50页
    4.4 本章小节第50-52页
总结与展望第52-54页
    1 总结第52-53页
    2 展望第53-54页
参考文献第54-59页
攻读学位期间的科研成果第59-61页
致谢第61页

论文共61页,点击 下载论文
上一篇:基于VGGNet深度卷积特征的人脸表情识别方法研究
下一篇:基于SVM的室内跌倒检测算法研究