基于LDA模型和核方法改进的协同过滤算法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪言 | 第9-13页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10页 |
| 1.3 本文主要工作 | 第10-11页 |
| 1.4 本文的组织结构 | 第11-13页 |
| 2 协同过滤技术 | 第13-23页 |
| 2.1 基于用户的协同过滤算法 | 第13-15页 |
| 2.2 基于物品的协同过滤算法 | 第15-16页 |
| 2.3 隐语义模型 | 第16-18页 |
| 2.4 评价指标 | 第18-19页 |
| 2.5 算法性能分析 | 第19-23页 |
| 3 基于LOF离群点检测方法检测异常用户 | 第23-30页 |
| 3.1 推荐系统中噪声数据的影响 | 第23页 |
| 3.2 离群点检测方法介绍 | 第23-24页 |
| 3.3 局部异常因子算法 | 第24-26页 |
| 3.4 离群检测算法检测异常用户算法描述 | 第26-27页 |
| 3.5 性能分析 | 第27-30页 |
| 4 基于LDA算法改进的混合协同过滤模型 | 第30-36页 |
| 4.1 LDA模型介绍 | 第30-34页 |
| 4.2 LDA-CF混合模型 | 第34-36页 |
| 5 基于核密度估计改进的混合协同过滤模型 | 第36-38页 |
| 5.1 核密度估计介绍 | 第36页 |
| 5.2 核密度估计理论基础 | 第36-37页 |
| 5.3 核估计领域混合模型 | 第37-38页 |
| 6 实证分析 | 第38-44页 |
| 6.1 LOF算法效果分析 | 第38-40页 |
| 6.2 LDA主题数目的影响 | 第40-42页 |
| 6.3 核密度估计核函数窗宽的影响 | 第42页 |
| 6.4 改进算法与传统算法 | 第42-43页 |
| 6.5 本节总结 | 第43-44页 |
| 7 推荐算法在课堂交互平台的应用 | 第44-47页 |
| 7.1 课堂交互平台 | 第44-45页 |
| 7.2 KERNEL-CF预测 | 第45-46页 |
| 7.3 本节小结 | 第46-47页 |
| 8 总结与展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
