用户兴趣模型及实时个性化推荐算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景 | 第8页 |
| ·研究现状及面临挑战 | 第8-10页 |
| ·研究目标及主要内容 | 第10-11页 |
| ·本文组织结构 | 第11-12页 |
| 第二章 相关研究 | 第12-23页 |
| ·标签 | 第12-13页 |
| ·用户兴趣模型 | 第13-17页 |
| ·模型的数据特征 | 第13-14页 |
| ·模型的表示方法 | 第14-16页 |
| ·模型的更新 | 第16-17页 |
| ·推荐算法综述 | 第17-22页 |
| ·基于人口统计学的推荐 | 第17-18页 |
| ·基于内容的推荐 | 第18-19页 |
| ·协同过滤推荐 | 第19-20页 |
| ·基于关联规则的推荐 | 第20-21页 |
| ·Slope one 算法 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 标签标准化 | 第23-32页 |
| ·引言 | 第23-24页 |
| ·基于属性共现率的标签标准化 | 第24-25页 |
| ·基于聚类的标签标准化 | 第25-28页 |
| ·基于互信息的标签相似度 | 第25-26页 |
| ·标签聚类 | 第26-28页 |
| ·实验设计与结果分析 | 第28-31页 |
| ·实验数据 | 第28-29页 |
| ·实验方法及结果分析 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于标准标签的实时用户兴趣模型 | 第32-50页 |
| ·引言 | 第32-33页 |
| ·用户的稳定兴趣模型 | 第33-35页 |
| ·用户的即时兴趣模型 | 第35-39页 |
| ·数据特征选择 | 第35-36页 |
| ·浏览行为描述 | 第36页 |
| ·即时兴趣的权重计算 | 第36-39页 |
| ·用户即时兴趣模型 | 第39页 |
| ·实时用户兴趣模型 | 第39-43页 |
| ·实时用户兴趣模型的建立 | 第39-40页 |
| ·艾宾浩斯遗忘规律 | 第40-41页 |
| ·基于遗忘函数的模型更新 | 第41-43页 |
| ·实验设计与结果分析 | 第43-48页 |
| ·实验数据 | 第43-45页 |
| ·实验方法与结果 | 第45-47页 |
| ·实验结果分析 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 实时个性化推荐算法的研究 | 第50-64页 |
| ·基于用户兴趣模型的协同过滤推荐算法 | 第50-54页 |
| ·协同过滤推荐算法 | 第50-53页 |
| ·基于实时用户兴趣模型的协同过滤推荐算法 | 第53-54页 |
| ·改进的 Slope one 推荐算法 | 第54-56页 |
| ·Slope one 算法 | 第54-55页 |
| ·M-Slope one 算法 | 第55-56页 |
| ·实验设计与结果分析 | 第56-63页 |
| ·实验数据与开发环境 | 第57页 |
| ·评价方法 | 第57-58页 |
| ·实时用户兴趣模型及模型更新的实验验证 | 第58-61页 |
| ·M-Slope one 算法的实验验证 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·总结 | 第64-65页 |
| ·展望 | 第65-66页 |
| 参考文献 | 第66-68页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第68-69页 |
| 附录 2 攻读硕士学位期间申请的专利 | 第69-70页 |
| 附录 3 攻读硕士学位期间参加的科研项目 | 第70-71页 |
| 致谢 | 第71页 |
