基于时间权重的协同过滤推荐算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 推荐算法研究现状 | 第9-11页 |
| 1.2.1 主要推荐算法概述 | 第9-10页 |
| 1.2.2 协同过滤算法研究现状 | 第10-11页 |
| 1.3 论文主要工作 | 第11-12页 |
| 1.4 论文结构 | 第12-13页 |
| 2 传统协同过滤推荐算法 | 第13-22页 |
| 2.1 协同过滤推荐算法概述 | 第13-14页 |
| 2.2 协同过滤推荐算法分类 | 第14-16页 |
| 2.2.1 基于记忆的协同过滤推荐算法 | 第14-16页 |
| 2.2.2 基于模型的协同过滤推荐算法 | 第16页 |
| 2.3 基于项目的协同过滤算法 | 第16-19页 |
| 2.3.1 算法基本流程 | 第16-17页 |
| 2.3.2 相似度度量方法分析 | 第17-19页 |
| 2.3.3 预测评分方法 | 第19页 |
| 2.4 协同过滤算法面临的挑战 | 第19-20页 |
| 2.5 协同过滤算法评估方法 | 第20-21页 |
| 2.6 本章小结 | 第21-22页 |
| 3 基于时间权重的协同过滤推荐算法 | 第22-32页 |
| 3.1 相关研究 | 第22-23页 |
| 3.2 传统TWCF算法 | 第23-26页 |
| 3.2.1 非线性遗忘曲线 | 第23-24页 |
| 3.2.2 传统时间加权函数 | 第24-25页 |
| 3.2.3 传统TWCF算法流程 | 第25-26页 |
| 3.3 改进的NTWCF算法 | 第26-30页 |
| 3.3.1 改进的时间加权函数 | 第26-27页 |
| 3.3.2 NTWCF算法流程 | 第27-28页 |
| 3.3.3 NTWCF算法实现 | 第28-30页 |
| 3.3.4 NTWCF算法小结 | 第30页 |
| 3.4 本章小结 | 第30-32页 |
| 4 利用时间加权的项目聚类优化NTWCF算法 | 第32-44页 |
| 4.1 K-means聚类 | 第32-33页 |
| 4.2 项目聚类 | 第33-36页 |
| 4.2.1 传统项目聚类 | 第34-35页 |
| 4.2.2 时间加权的项目聚类 | 第35-36页 |
| 4.3 TWICCF算法 | 第36-43页 |
| 4.3.1 ICCF算法 | 第36-37页 |
| 4.3.2 TWICCF算法流程 | 第37-38页 |
| 4.3.3 TWICCF算法实现 | 第38-42页 |
| 4.3.4 TWICCF算法小结 | 第42-43页 |
| 4.4 本章总结 | 第43-44页 |
| 5 算法实验与分析 | 第44-55页 |
| 5.1 实验数据集 | 第44-45页 |
| 5.1.1 数据集简介 | 第44页 |
| 5.1.2 数据集划分 | 第44-45页 |
| 5.2 实验环境 | 第45页 |
| 5.3 实验方案 | 第45-46页 |
| 5.3.1 参数分析实验 | 第45-46页 |
| 5.3.2 算法对比实验 | 第46页 |
| 5.3.3 算法评估标准 | 第46页 |
| 5.4 实验结果及分析 | 第46-53页 |
| 5.4.1 参数分析实验结果 | 第47-50页 |
| 5.4.2 算法对比实验结果 | 第50-53页 |
| 5.5 本章小结 | 第53-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
