基于蜂群算法的协同过滤推荐系统的研究与实现
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 发展历程及应用 | 第11-13页 |
| 1.2.1 发展历程 | 第11-12页 |
| 1.2.2 推荐系统的应用 | 第12-13页 |
| 1.3 存在的问题与挑战 | 第13-14页 |
| 1.4 研究内容 | 第14-15页 |
| 1.5 论文组织 | 第15-17页 |
| 第二章 推荐系统简述 | 第17-34页 |
| 2.1 引言 | 第17页 |
| 2.2 推荐系统简介 | 第17-20页 |
| 2.2.1 基本概念 | 第17-18页 |
| 2.2.2 推荐系统功能模块及流程 | 第18-20页 |
| 2.3 信息获取及建模 | 第20-23页 |
| 2.3.1 用户信息获取 | 第20-21页 |
| 2.3.2 模型表示 | 第21-22页 |
| 2.3.3 模型学习 | 第22页 |
| 2.3.4 模型更新 | 第22-23页 |
| 2.4 推荐算法及其分类 | 第23-28页 |
| 2.4.1 基于内容的推荐 | 第23-24页 |
| 2.4.2 协同过滤推荐 | 第24-26页 |
| 2.4.3 基于人口统计学的推荐 | 第26-27页 |
| 2.4.4 基于知识的推荐 | 第27页 |
| 2.4.5 混合推荐 | 第27-28页 |
| 2.5 推荐系统的评测 | 第28-33页 |
| 2.5.1 实验数据集 | 第29-30页 |
| 2.5.2 实验方法 | 第30-31页 |
| 2.5.3 准确度指标 | 第31-33页 |
| 2.5.4 覆盖率指标 | 第33页 |
| 2.5.5 其他指标 | 第33页 |
| 2.6 小结 | 第33-34页 |
| 第三章 蜂群算法在聚类中的研究 | 第34-52页 |
| 3.1 引言 | 第34页 |
| 3.2 聚类算法的概念及分类 | 第34-38页 |
| 3.2.1 聚类算法基本概念 | 第34-35页 |
| 3.2.2 聚类算法的分类 | 第35-36页 |
| 3.2.3 K-Means算法 | 第36-38页 |
| 3.3 人工蜂群算法 | 第38-42页 |
| 3.3.1 蜂群理论概述 | 第38-40页 |
| 3.3.2 人工蜂群算法流程 | 第40-42页 |
| 3.4 基于优化蜜源的动态蜂群聚类算法 | 第42-51页 |
| 3.4.1 蜜蜂编码 | 第42-43页 |
| 3.4.2 优化初始化蜜源 | 第43页 |
| 3.4.3 带有动态调优策略的局部搜索 | 第43-45页 |
| 3.4.4 算法伪代码及流程图 | 第45-49页 |
| 3.4.5 实验结果及分析 | 第49-51页 |
| 3.5 小结 | 第51-52页 |
| 第四章 基于蜂群算法的协同过滤技术 | 第52-57页 |
| 4.1 引言 | 第52页 |
| 4.2 基于内存的协同过滤 | 第52-54页 |
| 4.3 基于蜂群算法的协同过滤 | 第54-55页 |
| 4.4 基于蜂群算法的协同过滤技术框架 | 第55-56页 |
| 4.5 小结 | 第56-57页 |
| 第五章 实验结果及比较分析 | 第57-61页 |
| 5.1 引言 | 第57页 |
| 5.2 实验设计 | 第57-58页 |
| 5.2.1 实验环境配置 | 第57页 |
| 5.2.2 实验数据集 | 第57页 |
| 5.2.3 实验方案 | 第57-58页 |
| 5.2.4 模块划分 | 第58页 |
| 5.3 实验步骤 | 第58-59页 |
| 5.4 实验结果与分析 | 第59-60页 |
| 5.4.1 算法准确率比较分析 | 第59-60页 |
| 5.4.2 算法时间性能比较分析 | 第60页 |
| 5.5 小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间取得的学术成果 | 第67-68页 |
| 致谢 | 第68页 |
