基于用户特征的个性化推荐算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 用户特征研究现状 | 第9页 |
| 1.2.2 推荐系统研究现状 | 第9-10页 |
| 1.2.3 目前研究中待解决的问题 | 第10-11页 |
| 1.3 本文的研究内容 | 第11页 |
| 1.4 本文的组织结构 | 第11-12页 |
| 1.5 本章小结 | 第12-13页 |
| 第二章 相关理论 | 第13-19页 |
| 2.1 用户特征介绍 | 第13-14页 |
| 2.1.1 用户属性特征 | 第13-14页 |
| 2.1.2 用户行为特征 | 第14页 |
| 2.2 常用的推荐算法 | 第14-18页 |
| 2.2.1 基于内容的推荐算法 | 第15页 |
| 2.2.2 协同过滤推荐算法 | 第15-17页 |
| 2.2.3 基于网络结构的推荐算法 | 第17页 |
| 2.2.4 组合推荐算法 | 第17-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第三章 融合物质扩散热传导和时间效应的推荐算法 | 第19-28页 |
| 3.1 相关工作 | 第19页 |
| 3.2 基于物质扩散热传导的推荐 | 第19-22页 |
| 3.2.1 基于物质扩散的推荐 | 第19-21页 |
| 3.2.2 基于热传导的推荐 | 第21-22页 |
| 3.2.3 基于物质扩散热传导的推荐 | 第22页 |
| 3.3 基于时间效应的用户对资源选择的偏好 | 第22-23页 |
| 3.4 融合物质扩散热传导和时间效应的推荐算法 | 第23-24页 |
| 3.5 实验结果与分析 | 第24-27页 |
| 3.5.1 数据集与数据预处理 | 第24-25页 |
| 3.5.2 实验指标 | 第25页 |
| 3.5.3 实验结果与分析 | 第25-27页 |
| 3.6 本章小结 | 第27-28页 |
| 第四章 基于多标签聚类和核心用户的推荐算法 | 第28-36页 |
| 4.1 相关工作 | 第28页 |
| 4.2 基于多标签聚类的核心用户确定方法 | 第28-31页 |
| 4.2.1 相关定义 | 第28-30页 |
| 4.2.2 基于多标签聚类的核心用户确定方法 | 第30-31页 |
| 4.3 基于多标签聚类和核心用户的推荐方法 | 第31-32页 |
| 4.4 实验与分析 | 第32-34页 |
| 4.4.1 数据集 | 第32页 |
| 4.4.2 实验指标与结果分析 | 第32-34页 |
| 4.5 本章小结 | 第34-36页 |
| 第五章 新闻推荐原型系统的设计与实现 | 第36-40页 |
| 5.1 系统设计原理 | 第36页 |
| 5.2 系统设计方案 | 第36-37页 |
| 5.3 系统功能展示 | 第37-39页 |
| 5.3.1 系统主界面 | 第37-38页 |
| 5.3.2 新闻推荐界面 | 第38-39页 |
| 5.4 本章小结 | 第39-40页 |
| 第六章 总结与展望 | 第40-41页 |
| 6.1 论文总结 | 第40页 |
| 6.2 工作展望 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 攻硕期间发表论文及科研成果 | 第44-45页 |
| 致谢 | 第45页 |
