基于时间上下文和属性的个性化推荐研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 应用与研究现状 | 第9-12页 |
| 1.2.1 个性化推荐系统的应用现状 | 第9-10页 |
| 1.2.2 个性化推荐系统的研究现状 | 第10-12页 |
| 1.3 本文研究内容 | 第12页 |
| 1.4 论文结构安排 | 第12-14页 |
| 2 个性化推荐系统及相关算法 | 第14-28页 |
| 2.1 个性化推荐系统概述 | 第14-15页 |
| 2.2 个性化推荐系统结构 | 第15-18页 |
| 2.3 个性化推荐相关技术 | 第18-20页 |
| 2.3.1 基于内容的推荐 | 第18页 |
| 2.3.2 基于关联规则的推荐 | 第18-19页 |
| 2.3.3 基于知识的推荐 | 第19页 |
| 2.3.4 混合推荐 | 第19-20页 |
| 2.4 协同过滤推荐算法 | 第20-26页 |
| 2.4.1 基于用户的协同过滤推荐算法 | 第23-24页 |
| 2.4.2 基于项目的协同过滤推荐算法 | 第24-25页 |
| 2.4.3 基于模型的协同过滤推荐算法 | 第25-26页 |
| 2.5 推荐算法比较和常用衡量标准 | 第26-27页 |
| 2.5.1 推荐算法比较 | 第26页 |
| 2.5.2 推荐算法常用衡量标准 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 3 基于记忆激活理论的时间权重函数 | 第28-37页 |
| 3.1 问题的提出 | 第28-29页 |
| 3.2 艾宾浩斯遗忘曲线 | 第29-31页 |
| 3.3 记忆的激活扩散模型 | 第31-33页 |
| 3.4 新时间权重计算公式 | 第33-36页 |
| 3.4.1 基于记忆激活理论的多阶段遗忘曲线 | 第33-35页 |
| 3.4.2 阶段初始记忆量的计算 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 基于属性的冷启动解决方法 | 第37-45页 |
| 4.1 传统协同过滤面临的问题 | 第37-38页 |
| 4.2 适应冷启动问题的个性化推荐 | 第38-41页 |
| 4.2.1 基于属性的相似度计算 | 第38-40页 |
| 4.2.2 评分预测 | 第40-41页 |
| 4.3 算法处理流程 | 第41-44页 |
| 4.4 本章小结 | 第44-45页 |
| 5 实验设计与结果分析 | 第45-53页 |
| 5.1 实验数据及评价指标 | 第45页 |
| 5.1.1 实验数据集 | 第45页 |
| 5.1.2 评价指标 | 第45页 |
| 5.2 实验设计 | 第45-47页 |
| 5.3 实验结果及分析 | 第47-52页 |
| 5.4 本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| 6.1 本文工作总结 | 第53-54页 |
| 6.2 未来工作展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录 | 第59页 |
| A．作者在攻读学位期间发表的论文目录 | 第59页 |
