基于社会化标签的协同过滤推荐模型及算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究意义 | 第9页 |
| 1.2.1 理论意义 | 第9页 |
| 1.2.2 实践意义 | 第9页 |
| 1.3 课题研究现状与发展趋势 | 第9-18页 |
| 1.3.1 研究现状 | 第9-15页 |
| 1.3.2 研究发展趋势 | 第15-16页 |
| 1.3.3 本文主要工作 | 第16-17页 |
| 1.3.4 本文结构安排 | 第17-18页 |
| 第二章 标签系统与协同过滤推荐的相关理论 | 第18-27页 |
| 2.1 社会化标签系统概述 | 第18-20页 |
| 2.1.1 基本概念 | 第18页 |
| 2.1.2 标签系统类型 | 第18页 |
| 2.1.3 社会化标签系统的特点 | 第18-20页 |
| 2.2 协同过滤推荐介绍 | 第20-25页 |
| 2.2.1 工作原理 | 第21-22页 |
| 2.2.2 协同过滤推荐算法类型 | 第22-23页 |
| 2.2.3 算法优缺点 | 第23-25页 |
| 2.3 小结 | 第25-27页 |
| 第三章 基于内容的传统协同过滤推荐算法研究 | 第27-33页 |
| 3.1 基于用户的协同过滤推荐算法 | 第27-29页 |
| 3.1.1 一般流程 | 第27-28页 |
| 3.1.2 基于用户的协同过滤推荐算法 | 第28页 |
| 3.1.3 基于用户的协同过滤算法的优势 | 第28-29页 |
| 3.2 基于项目的协同过滤推荐算法 | 第29-31页 |
| 3.2.1 一般流程 | 第29-30页 |
| 3.2.2 基于项目的协同过滤推荐算法 | 第30-31页 |
| 3.3 方法对比与现存问题 | 第31-33页 |
| 第四章 基于标签系统的协同过滤推荐算法研究 | 第33-48页 |
| 4.1 模型研究 | 第33-36页 |
| 4.1.1 系统需求分析 | 第33页 |
| 4.1.2 系统模块设计 | 第33-35页 |
| 4.1.3 推荐系统的推荐流程 | 第35-36页 |
| 4.1.4 算法描述 | 第36页 |
| 4.2 标签相似度 | 第36-40页 |
| 4.2.1 标签网络的构建 | 第37-38页 |
| 4.2.2 相似度的选取 | 第38-40页 |
| 4.3 基于社会化标签的协同过滤推荐流程 | 第40-42页 |
| 4.4 基于标签-项目的协同过滤推荐算法 | 第42-44页 |
| 4.5 基于标签-用户的协同过滤推荐算法 | 第44-48页 |
| 第五章 实验设计 | 第48-61页 |
| 5.1 推荐效果评价指标 | 第48-50页 |
| 5.1.1 MAE | 第49页 |
| 5.1.2 HR和ARHR | 第49-50页 |
| 5.2 实验环境与数据集 | 第50-53页 |
| 5.2.1 数据集 | 第50-53页 |
| 5.2.2 实验环境 | 第53页 |
| 5.3 实验目标与方法 | 第53-55页 |
| 5.3.1 实验目标 | 第53-54页 |
| 5.3.2 实验方法 | 第54-55页 |
| 5.4 实验结果分析 | 第55-60页 |
| 5.4.1 预测评分的准确度评估 | 第55-57页 |
| 5.4.2 推荐算法最终推荐效果评估 | 第57-60页 |
| 5.5 小结 | 第60-61页 |
| 第六章 结论与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间发表的论文 | 第68-69页 |
| 致谢 | 第69页 |
