基于上下文分析的多准则推荐方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 研究目标和内容 | 第11-14页 |
| 1.3 论文组织和安排 | 第14-15页 |
| 第二章 国内外研究现状及分析 | 第15-26页 |
| 2.1 传统推荐系统综述 | 第15-19页 |
| 2.1.1 基于内容的推荐算法 | 第16-17页 |
| 2.1.2 基于协同过滤的推荐算法 | 第17-19页 |
| 2.1.3 混合推荐算法 | 第19页 |
| 2.2 基于上下文感知的推荐系统 | 第19-24页 |
| 2.2.1 上下文感知概念 | 第19-21页 |
| 2.2.2 上下文感知推荐技术 | 第21-24页 |
| 2.3 基于商品准则的推荐系统 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于用户评论的多准则抽取 | 第26-38页 |
| 3.1 评论数据预处理 | 第26-28页 |
| 3.2 确定用户评论中涉及的准则数量和类别 | 第28-30页 |
| 3.3 确定用户准则偏好程度 | 第30-32页 |
| 3.4 实验设计 | 第32-36页 |
| 3.4.1 实验数据集介绍 | 第32-33页 |
| 3.4.2 评论数据分析及特征识别算法效率评估 | 第33-34页 |
| 3.4.3 准则偏好程度计算评估 | 第34-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 用户评论中的上下文分析 | 第38-50页 |
| 4.1 上下文抽取 | 第38页 |
| 4.2 关联准则和上下文 | 第38-39页 |
| 4.3 上下文无关的用户偏好 | 第39-42页 |
| 4.3.1 上下文无关准则偏好定义 | 第39-41页 |
| 4.3.2 线性回归与t检验统计 | 第41-42页 |
| 4.4 上下文相关的用户偏好 | 第42-46页 |
| 4.4.1 上下文相关准则偏好定义 | 第42-43页 |
| 4.4.2 文本特征选择方法 | 第43-46页 |
| 4.4.3 扩展的上下文相关准则权重公式 | 第46页 |
| 4.5 实验设计 | 第46-49页 |
| 4.5.1 上下文抽取与分析 | 第46-47页 |
| 4.5.2 线性回归和特征选择结果 | 第47-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 上下文感知的多准则推荐系统 | 第50-55页 |
| 5.1 基于上下文的用户偏好模型 | 第50-51页 |
| 5.2 生成推荐 | 第51页 |
| 5.3 实验结果与分析 | 第51-54页 |
| 5.3.1 评价指标介绍 | 第51-52页 |
| 5.3.2 对比算法与分析 | 第52-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 工作总结 | 第55-56页 |
| 6.2 未来工作展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间取得的研究成果 | 第61-62页 |
| 致谢 | 第62-63页 |
| 附件 | 第63页 |
