个性化电影推荐引擎的研究与实现
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 1 绪论 | 第13-19页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 推荐引擎发展现状 | 第14-17页 |
| 1.2.1 推荐引擎发展历程 | 第15-16页 |
| 1.2.2 推荐引擎应用和研究现状 | 第16-17页 |
| 1.3 本文主要研究内容 | 第17-18页 |
| 1.4 论文组织结构 | 第18-19页 |
| 2 推荐算法的研究 | 第19-32页 |
| 2.1 推荐引擎的定义 | 第19-20页 |
| 2.2 基于内容过滤推荐 | 第20-22页 |
| 2.3 协同过滤推荐 | 第22-28页 |
| 2.3.1 基于用户的协同过滤 | 第23-25页 |
| 2.3.2 基于项目的协同过滤 | 第25-27页 |
| 2.3.3 基于模型的协同过滤 | 第27-28页 |
| 2.4 混合推荐 | 第28-29页 |
| 2.5 热门排行推荐 | 第29-31页 |
| 2.6 本章小结 | 第31-32页 |
| 3 基于上下文相关的概率矩阵分解 | 第32-43页 |
| 3.1 上下文感知推荐 | 第32-33页 |
| 3.2 矩阵分解和概率矩阵分解 | 第33-35页 |
| 3.2.1 矩阵分解 | 第33页 |
| 3.2.2 概率矩阵分解 | 第33-35页 |
| 3.3 融入上下文相关的概率矩阵分解 | 第35-38页 |
| 3.3.1 上下文的特征提取 | 第35-36页 |
| 3.3.2 上下文相互关系 | 第36-38页 |
| 3.4 改进算法实验及分析 | 第38-42页 |
| 3.4.1 实验数据 | 第38-39页 |
| 3.4.2 评价指标 | 第39页 |
| 3.4.3 实验结果及分析 | 第39-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 系统设计与实现 | 第43-59页 |
| 4.1 系统需求分析 | 第43-45页 |
| 4.1.1 功能需求 | 第43-45页 |
| 4.1.2 非功能需求 | 第45页 |
| 4.2 系统架构 | 第45-47页 |
| 4.3 系统数据库设计 | 第47-49页 |
| 4.3.1 用户信息表 | 第47页 |
| 4.3.2 电影信息表 | 第47-48页 |
| 4.3.3 用户评分表 | 第48页 |
| 4.3.4 E-R图 | 第48-49页 |
| 4.4 系统主要功能模块设计与实现 | 第49-58页 |
| 4.4.1 数据存储 | 第50页 |
| 4.4.2 用户模块 | 第50-54页 |
| 4.4.3 离线计算 | 第54-56页 |
| 4.4.4 在线推荐 | 第56-57页 |
| 4.4.5 搜索模块 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 5 总结与展望 | 第59-61页 |
| 5.1 论文工作总结 | 第59页 |
| 5.2 未来展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 作者简历 | 第65页 |
