基于特征偏好信息的混合协同过滤算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题的研究背景 | 第11-13页 |
| 1.2 推荐系统的研究现状及难点 | 第13-15页 |
| 1.2.1 推荐系统研究现状 | 第13-14页 |
| 1.2.2 推荐系统的难点 | 第14-15页 |
| 1.3 本文的研究内容 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-17页 |
| 第2章 推荐算法及相关技术 | 第17-29页 |
| 2.1 按选取角度划分 | 第17-21页 |
| 2.1.1 基于内容的推荐算法 | 第17-19页 |
| 2.1.2 基于协同过滤的推荐算法 | 第19-21页 |
| 2.1.3 混合推荐算法 | 第21页 |
| 2.2 按实现技术划分 | 第21-25页 |
| 2.2.1 基于内存的协同过滤算法 | 第23页 |
| 2.2.2 基于模型的协同过滤算法 | 第23-25页 |
| 2.3 按数据类型划分 | 第25-28页 |
| 2.3.1 利用用户行为数据的推荐算法 | 第25-26页 |
| 2.3.2 利用用户标签数据的推荐算法 | 第26-27页 |
| 2.3.3 利用上下文信息的推荐算法 | 第27页 |
| 2.3.4 利用社交网络数据的推荐算法 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 算法原理 | 第29-41页 |
| 3.1 改进的协同过滤推荐算法 | 第29-38页 |
| 3.1.1 算法基本思想 | 第29-30页 |
| 3.1.2 基于用户的改进协同过滤推荐算法 | 第30-35页 |
| 3.1.3 基于项目的改进协同过滤推荐算法 | 第35-38页 |
| 3.2 特征的选取 | 第38-39页 |
| 3.2.1 用户特征的提取 | 第38-39页 |
| 3.2.2 项目特征的提取 | 第39页 |
| 3.3 结合偏好特征的评分预测 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 算法实验 | 第41-50页 |
| 4.1 实验数据集 | 第41-42页 |
| 4.2 评估指标 | 第42-44页 |
| 4.3 实验设计方案及实验结果分析 | 第44-49页 |
| 4.4 实验结论 | 第49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 本文总结 | 第50页 |
| 5.2 今后工作 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 作者简介及在学期间所取得的科研成果 | 第57-58页 |
| 致谢 | 第58页 |
