首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于多因素情境感知的混合推荐系统的研究与实现

摘要第5-6页
ABSTRACT第6-7页
符号对照表第11-12页
缩略语对照表第12-16页
第一章 绪论第16-22页
    1.1 研究背景与意义第16-17页
    1.2 研究现状第17-19页
        1.2.1 课题研究现状第17-18页
        1.2.2 待解决的关键问题第18-19页
    1.3 研究内容与创新点第19-20页
    1.4 论文的组织结构第20-22页
第二章 相关理论概述第22-38页
    2.1 基于协同过滤的推荐第22-28页
        2.1.1 基于用户的协同过滤推荐第23-26页
        2.1.2 基于物品的协同过滤推荐第26-27页
        2.1.3 协同过滤推荐比较第27-28页
        2.1.4 协同过滤推荐面临的问题第28页
    2.2 基于标签的推荐第28-30页
        2.2.1 社会化标签第28-29页
        2.2.2 标签推荐第29-30页
        2.2.3 标签推荐面临的问题第30页
    2.3 聚类方法的应用第30-33页
        2.3.1 聚类方法第30-31页
        2.3.2 K-means聚类第31-32页
        2.3.3 标签聚类第32-33页
    2.4 情境感知推荐第33-36页
        2.4.1 情境感知第33-34页
        2.4.2 情境预过滤第34-35页
        2.4.3 情境后过滤第35-36页
        2.4.4 情境建模第36页
    2.5 设计模式第36-37页
    2.6 本章小结第37-38页
第三章 基于协同过滤与标签聚类的混合推荐算法(TBC-User CF)理论研究第38-56页
    3.1 数据集特征描述第38-39页
    3.2 理论研究的提出第39-40页
    3.3 理论研究的论述第40-49页
        3.3.1 Tag-UserCF推荐算法第40-44页
        3.3.2 TBC-UserCF推荐算法第44-49页
    3.4 协同过滤阶段分析第49-50页
    3.5 标签聚类阶段分析第50-52页
        3.5.1 物品标签构成分析第50-51页
        3.5.2 标签聚类改进过程分析第51页
        3.5.3 标签簇推荐解释分析第51-52页
    3.6 混合推荐阶段分析第52-53页
        3.6.1 混合推荐组合机制第52页
        3.6.2 推荐算法参数选择第52-53页
    3.7 复杂度分析与评价第53-54页
    3.8 本章小结第54-56页
第四章 情境感知推荐系统设计与实现第56-76页
    4.1 系统架构总体设计第56-58页
    4.2 系统各模块设计与实现第58-66页
        4.2.1 数据模块第58-63页
        4.2.2 融合TBC-UserCF与情境感知的推荐模块第63-65页
        4.2.3 用户交互模块第65-66页
    4.3 情境感知推荐过程设计与实现第66-69页
        4.3.1 情境信息语料库建立第66-68页
        4.3.2 情境信息与标签关联建立第68-69页
        4.3.3 情境感知推荐过程第69页
    4.4 数据库设计与实现第69-71页
    4.5 系统界面展示第71-75页
        4.5.1 注册与登录界面展示第72页
        4.5.2 热门问题列表界面展示第72-73页
        4.5.3 推荐问题列表界面展示第73页
        4.5.4 用户信息界面展示第73-74页
        4.5.5 问题详情界面展示第74-75页
    4.6 本章小结第75-76页
第五章 测试与结果评估第76-92页
    5.1 实验设计与评测指标第76-77页
        5.1.1 实验设计第76页
        5.1.2 评测指标第76-77页
    5.2 性能测试第77-86页
    5.3 功能测试第86-90页
    5.4 测试结果评估第90页
    5.5 本章小结第90-92页
第六章 总结与展望第92-94页
    6.1 本文总结第92-93页
    6.2 下一步工作展望第93-94页
参考文献第94-100页
致谢第100-102页
作者简介第102-103页

论文共103页,点击 下载论文
上一篇:基于微信的智能课堂学习平台
下一篇:视觉隐私保护关键技术的研究