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

协同过滤推荐算法稀疏性与可扩展性问题研究

中文摘要第3-4页
英文摘要第4页
1 绪论第7-17页
    1.1 研究背景第7-8页
    1.2 推荐系统简介第8-11页
        1.2.1 推荐系统第8-10页
        1.2.2 协同过滤第10-11页
    1.3 国内外研究现状第11-15页
        1.3.1 国外研究现状第11-12页
        1.3.2 国内研究现状第12-15页
    1.4 研究内容第15页
    1.5 论文组织结构第15-17页
2 协同过滤推荐算法相关理论第17-29页
    2.1 协同过滤推荐算法概述[21]第17-19页
        2.1.1 收集用户评价第18页
        2.1.2 预测评分第18-19页
        2.1.3 产生推荐第19页
    2.2 协同过滤推荐算法分类第19-25页
        2.2.1 基于用户的协同过滤算法第19-24页
        2.2.2 基于项目的协同过滤算法第24-25页
        2.2.3 基于用户和项目的协同过滤算法的区别第25页
    2.3 推荐系统评估标准第25-27页
        2.3.1 准确度第25-26页
        2.3.2 查准率和查全率第26-27页
    2.4 协同过滤推荐算法难点第27-28页
        2.4.1 稀疏性[25,26]第27页
        2.4.2 冷启动第27-28页
        2.4.3 可扩展性第28页
    2.5 本章小结第28-29页
3 稀疏性问题研究第29-41页
    3.1 稀疏性问题第29-30页
    3.2 融合辅助因子的协同过滤推荐算法第30-34页
        3.2.1 产生邻居集第31-32页
        3.2.2 预测评分产生推荐结果第32-34页
    3.3 实验评测第34-40页
        3.3.1 实验数据集第34页
        3.3.2 评价方式第34-35页
        3.3.3 实验结果及分析第35-40页
    3.4 本章小结第40-41页
4 可扩展性问题研究第41-56页
    4.1 可扩展性问题第41页
    4.2 相关理论与技术第41-44页
        4.2.1 Hadoop简介第41-42页
        4.2.2 分布式文件系统HDFS第42-43页
        4.2.3 分布式计算框架MapReduce第43-44页
    4.3 基于Hadoop的协同过滤推荐算法第44-51页
        4.3.1 算法思想第44-46页
        4.3.2 MapReduce算法实现第46-51页
    4.4 实验环境搭建第51-53页
    4.5 实验评测第53-55页
    4.6 本章小结第55-56页
5 总结与展望第56-58页
    5.1 总结第56页
    5.2 展望第56-58页
致谢第58-59页
参考文献第59-62页
附录第62页
    A. 作者在攻读硕士学位期间参与的科研项目第62页
    B. 作者在攻读硕士学位期间获得的荣誉第62页

论文共62页,点击 下载论文
上一篇:基于时间上下文和属性的个性化推荐研究
下一篇:基于视频图像的火灾检测方法研究