基于图弥散滤波的协同过滤推荐算法的改进研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究综述 | 第10-12页 |
| 1.3 数据稀疏性问题 | 第12-13页 |
| 1.4 创新点与技术路线 | 第13-15页 |
| 1.4.1 创新点 | 第13-14页 |
| 1.4.2 技术路线 | 第14-15页 |
| 1.5 本文的组织结构 | 第15-16页 |
| 2 推荐系统及相关技术概述 | 第16-25页 |
| 2.1 推荐系统概述 | 第16-17页 |
| 2.2 推荐系统的常用算法 | 第17-22页 |
| 2.2.1 基于内容的推荐 | 第17-18页 |
| 2.2.2 协同过滤推荐 | 第18-22页 |
| 2.2.3 混合推荐 | 第22页 |
| 2.3 推荐算法的评价标准 | 第22-24页 |
| 2.3.1 MAE | 第23页 |
| 2.3.2 RMSE | 第23页 |
| 2.3.3 查准率 | 第23页 |
| 2.3.4 查全率 | 第23-24页 |
| 2.3.5 正确率 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 图弥散滤波算法 | 第25-30页 |
| 3.1 图结构概念 | 第25-26页 |
| 3.2 图弥散滤波原理 | 第26-28页 |
| 3.3 图弥散滤波在推荐系统中的应用 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 4 基于图弥散滤波的协同过滤算法的改进 | 第30-37页 |
| 4.1 基于梯度下降法的改进 | 第30-35页 |
| 4.1.1 梯度下降法原理 | 第30-33页 |
| 4.1.2 梯度下降法在图弥散滤波中的应用 | 第33-35页 |
| 4.2 基于用户节点的图弥散滤波改进 | 第35-36页 |
| 4.3 本章小结 | 第36-37页 |
| 5 实验与分析 | 第37-46页 |
| 5.1 实验数据集 | 第37-38页 |
| 5.2 数据预处理 | 第38-39页 |
| 5.3 算法评估 | 第39页 |
| 5.4 实验设计 | 第39-40页 |
| 5.5 实验分析 | 第40-45页 |
| 5.5.1 MovieLens实验结果分析 | 第40-42页 |
| 5.5.2 Jester实验结果分析 | 第42-45页 |
| 5.6 本章小结 | 第45-46页 |
| 6 总结和展望 | 第46-48页 |
| 6.1 总结 | 第46页 |
| 6.2 展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 攻读硕士学位期间取得的成果 | 第52-53页 |
| 致谢 | 第53页 |
