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

结合用户兴趣变化的推荐算法研究

摘要第6-7页
Abstract第7-8页
缩略语表第11-12页
第1章 绪论第12-16页
    1.1 课题研究背景及意义第12-13页
    1.2 国内外研究现状第13-14页
        1.2.1 传统推荐系统研究现状第13-14页
        1.2.2 组推荐系统研究现状第14页
    1.3 论文主要工作和组织结构第14-16页
        1.3.1 论文主要工作第14-15页
        1.3.2 论文组织结构第15-16页
第2章 现有推荐系统及其相关技术研究第16-29页
    2.1 传统推荐系统第16-24页
        2.1.1 传统推荐系统概述第16-17页
        2.1.2 常用推荐算法第17-24页
    2.2 组推荐系统第24-28页
        2.2.1 组推荐系统概述第24页
        2.2.2 组推荐中关键技术第24-28页
    2.3 本章小结第28-29页
第3章 传统推荐算法中适应用户兴趣变化的协同过滤算法改进第29-48页
    3.1 引言第29-30页
        3.1.1 用户兴趣变化问题第29-30页
        3.1.2 当前已有解决方案第30页
    3.2 基于用户的协同过滤算法第30-32页
        3.2.1 算法实现思想第30-31页
        3.2.2 算法实现过程第31-32页
    3.3 适应用户兴趣变化的改进型协同过滤算法第32-40页
        3.3.1 算法提出第32-33页
        3.3.2 算法描述第33-37页
        3.3.3 算法过程第37-40页
    3.4 实验数据与结果分析第40-47页
        3.4.1 实验数据集第40-41页
        3.4.2 实验结果度量标准第41-42页
        3.4.3 比较算法第42-43页
        3.4.4 实验设计第43-44页
        3.4.5 实验结果与分析第44-47页
    3.5 本章小结第47-48页
第4章 结合用户特性和群组兴趣变化的组推荐算法研究第48-66页
    4.1 引言第48-50页
        4.1.1 群组兴趣变化问题第48-49页
        4.1.2 现有组推荐算法中的群组兴趣变化第49-50页
    4.2 结合用户特性和群组兴趣变化的组推荐算法第50-60页
        4.2.1 算法提出第50-51页
        4.2.2 算法描述第51-56页
        4.2.3 算法过程第56-60页
    4.3 实验数据与结果分析第60-65页
        4.3.1 实验数据集第60页
        4.3.2 实验结果度量标准第60-61页
        4.3.3 比较算法第61页
        4.3.4 实验设计第61-62页
        4.3.5 实验结果与分析第62-65页
    4.4 本章小结第65-66页
总结与展望第66-68页
    1 本文总结第66-67页
    2 未来工作展望第67-68页
致谢第68-69页
参考文献第69-75页
攻读硕士学位期间发表的论文第75页

论文共75页,点击 下载论文
上一篇:基于Hadoop和Mahout的视频推荐技术研究及应用
下一篇:面向产业链协同SaaS平台的数据分级加解密系统设计与实现