基于可信度的协同过滤推荐算法研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-9页 |
| 1 引言 | 第9-14页 |
| ·研究背景 | 第9-10页 |
| ·研究现状 | 第10-12页 |
| ·研究内容 | 第12页 |
| ·论文结构 | 第12-14页 |
| 2 推荐系统 | 第14-22页 |
| ·推荐系统的组成 | 第14-17页 |
| ·推荐系统的输入 | 第14-16页 |
| ·推荐系统的输出 | 第16页 |
| ·推荐算法 | 第16页 |
| ·推荐系统的界面 | 第16-17页 |
| ·推荐系统的分类 | 第17-20页 |
| ·基于Agent 的推荐系统 | 第17-18页 |
| ·基于聚类分析的推荐系统 | 第18-19页 |
| ·基于知识网格的推荐系统 | 第19页 |
| ·基于规则的推荐系统 | 第19-20页 |
| ·推荐系统面临的主要问题 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 3 推荐算法 | 第22-35页 |
| ·推荐算法概述 | 第22页 |
| ·基于内容的推荐算法 | 第22-26页 |
| ·数据的获取和表示 | 第22-24页 |
| ·系统结构 | 第24页 |
| ·数据处理 | 第24-25页 |
| ·推荐处理 | 第25-26页 |
| ·基于内容推荐算法的优缺点 | 第26页 |
| ·协同过滤推荐算法 | 第26-32页 |
| ·协同过滤的概念 | 第26-27页 |
| ·基于用户的协同过滤算法 | 第27-29页 |
| ·基于项目的协同过滤算法 | 第29-30页 |
| ·协同过滤算法存在的不足 | 第30-32页 |
| ·基于知识的推荐算法 | 第32-33页 |
| ·基于人口统计的推荐算法 | 第33页 |
| ·各种推荐算法的比较 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 4 基于可信度的协同过滤推荐算法 | 第35-43页 |
| ·问题的提出 | 第35页 |
| ·问题详述 | 第35-36页 |
| ·问题的解决 | 第36-41页 |
| ·分类相似度 | 第36-38页 |
| ·用户兴趣度 | 第38-39页 |
| ·用户可信度 | 第39-41页 |
| ·推荐流程 | 第41-42页 |
| ·算法特点 | 第42页 |
| ·本章小结 | 第42-43页 |
| 5 实验及评价 | 第43-49页 |
| ·实验环境和工具 | 第43页 |
| ·实验数据集 | 第43页 |
| ·实验设计 | 第43页 |
| ·评估指标 | 第43-44页 |
| ·准确度指标MAE | 第43-44页 |
| ·效率评价指标MCT | 第44页 |
| ·新颖性评价指标NOV | 第44页 |
| ·算法准确度和性能比较 | 第44-45页 |
| ·参数取值对算法推荐效果的影响 | 第45-48页 |
| ·不同可信度情况下的推荐情况 | 第48页 |
| ·本章小结 | 第48-49页 |
| 6 系统实现 | 第49-58页 |
| ·开发工具 | 第49页 |
| ·系统架构 | 第49页 |
| ·系统界面 | 第49-51页 |
| ·核心代码 | 第51-57页 |
| ·本章小结 | 第57-58页 |
| 7 总结和展望 | 第58-60页 |
| ·全文工作总结 | 第58页 |
| ·下一步工作展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65页 |
| A. 作者在攻读学位期间发表的论文目录 | 第65页 |
| B. 作者在攻读硕士学位期间取得的科研成果目录 | 第65页 |
