综合用户特征的协同过滤推荐算法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 个性化推荐系统研究现状 | 第9-12页 |
| 1.2.1 推荐系统介绍 | 第9-10页 |
| 1.2.2 主要推荐算法介绍 | 第10-11页 |
| 1.2.3 协同过滤推荐算法研究现状 | 第11-12页 |
| 1.3 论文研究内容 | 第12页 |
| 1.4 论文结构 | 第12-15页 |
| 第二章 协同过滤推荐算法综述 | 第15-27页 |
| 2.1 协同过滤推荐算法简介 | 第15-17页 |
| 2.1.1 协同过滤推荐算法的发展 | 第15-16页 |
| 2.1.2 协同过滤基本思想 | 第16-17页 |
| 2.2 协同过滤推荐算法分类 | 第17-20页 |
| 2.2.1 基于用户的协同过滤推荐（UBCF） | 第17-19页 |
| 2.2.2 基于项目的协同过滤推荐（IBCF） | 第19页 |
| 2.2.3 基于模型的协同过滤推荐（MBCF） | 第19-20页 |
| 2.3 协同过滤推荐算法流程 | 第20-25页 |
| 2.3.1 用户-项目评价关系建模 | 第20-21页 |
| 2.3.2 相似性计算 | 第21-23页 |
| 2.3.3 预测偏好生成推荐 | 第23-25页 |
| 2.4 协同过滤推荐算法性能评估 | 第25-26页 |
| 2.4.1 数据集 | 第25页 |
| 2.4.2 评价指标 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于时间场景和用户特征的协同过滤推荐算法 | 第27-46页 |
| 3.1 上下文与时间场景 | 第27-28页 |
| 3.2 用户特征 | 第28-29页 |
| 3.3 基于时间场景和用户特征的协同过滤推荐算法 | 第29-39页 |
| 3.3.1 时间场景的选取和划分 | 第30页 |
| 3.3.2 用户特征的选取 | 第30-32页 |
| 3.3.3 数据建模 | 第32-33页 |
| 3.3.4 用户相似度 | 第33-34页 |
| 3.3.5 最近邻选取 | 第34-35页 |
| 3.3.6 产生推荐结果 | 第35-36页 |
| 3.3.7 算法描述 | 第36-39页 |
| 3.4 实验验证 | 第39-45页 |
| 3.4.1 实验环境 | 第39页 |
| 3.4.2 实验数据集 | 第39-40页 |
| 3.4.3 算法评价方法 | 第40-41页 |
| 3.4.4 实验方案和结果分析 | 第41-45页 |
| 3.4.5 实验小结 | 第45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 引入用户信任度的协同过滤推荐算法策略 | 第46-57页 |
| 4.1 信任的概念和描述 | 第46页 |
| 4.2 信任和推荐的关系 | 第46-48页 |
| 4.3 引入用户信任度的协同过滤推荐算法策略 | 第48-54页 |
| 4.3.1 用户特征和用户信任度的选取 | 第49-50页 |
| 4.3.2 数据建模 | 第50页 |
| 4.3.3 用户相似度和最近邻选取 | 第50-51页 |
| 4.3.4 产生推荐结果 | 第51页 |
| 4.3.5 算法描述 | 第51-54页 |
| 4.4 实验验证 | 第54-55页 |
| 4.4.1 实验环境、实验数据集和算法评价方法 | 第54页 |
| 4.4.2 实验方案及结果分析 | 第54-55页 |
| 4.4.3 实验小结 | 第55页 |
| 4.5 本章小结 | 第55-57页 |
| 第五章 总结及展望 | 第57-59页 |
| 5.1 论文总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录 攻读硕士学位期间申请的专利 | 第62-63页 |
| 致谢 | 第63页 |
