基于用户行为的协同过滤算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 本文研究背景及意义 | 第10-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-18页 |
| 第二章 协同过滤算法综述 | 第18-30页 |
| 2.1 协同过滤算法基本原理 | 第18-20页 |
| 2.2 协同过滤算法分类 | 第20-26页 |
| 2.2.1 基于内存的算法 | 第20-25页 |
| 2.2.2 基于模型的算法 | 第25-26页 |
| 2.3 协同过滤技术的挑战性问题 | 第26-28页 |
| 2.3.1 稀疏性问题 | 第26-27页 |
| 2.3.2 可扩展性问题 | 第27页 |
| 2.3.3 多样性问题 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 基于行为相似度的协同过滤算法 | 第30-40页 |
| 3.1 概述 | 第30-31页 |
| 3.2 基于行为相似度的协同过滤算法 | 第31-36页 |
| 3.2.1 基于行为序列的行为相似度计算方法 | 第31-33页 |
| 3.2.2 基于图的行为相似度计算方法 | 第33-36页 |
| 3.3 实验与分析 | 第36-39页 |
| 3.3.1 实验环境 | 第36页 |
| 3.3.2 数据集 | 第36页 |
| 3.3.3 评价标准 | 第36-37页 |
| 3.3.4 实验结果 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于行为影响力的协同过滤算法 | 第40-50页 |
| 4.1 概述 | 第40-41页 |
| 4.2 基于行为影响力的协同过滤算法 | 第41-46页 |
| 4.2.1 行为间的影响关系 | 第41-43页 |
| 4.2.2 基于时间的数据权重 | 第43-45页 |
| 4.2.3 基于行为影响力的算法 | 第45-46页 |
| 4.3 实验与分析 | 第46-49页 |
| 4.3.1 实验环境 | 第46页 |
| 4.3.2 数据集 | 第46页 |
| 4.3.3 评价标准 | 第46页 |
| 4.3.4 实验结果 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 基于用户情境的推荐结果时序多样性优化算法 | 第50-62页 |
| 5.1 概述 | 第50-51页 |
| 5.2 推荐结果多样性 | 第51-52页 |
| 5.2.1 推荐结果多样性的类型 | 第51-52页 |
| 5.2.2 常见的推荐结果多样性优化方法 | 第52页 |
| 5.3 基于用户情境的时序多样性优化算法 | 第52-55页 |
| 5.3.1 用户情境 | 第52页 |
| 5.3.2 优化算法 | 第52-55页 |
| 5.4 实验与分析 | 第55-59页 |
| 5.4.1 实验环境 | 第55页 |
| 5.4.2 数据集 | 第55页 |
| 5.4.3 评估方法 | 第55-59页 |
| 5.5 本章小结 | 第59-62页 |
| 总结与展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士期间取得的科研成果 | 第70-72页 |
| 致谢 | 第72页 |
