基于情境感知的个性化推荐算法研究与应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1. 绪论 | 第10-15页 |
| 1.1 论文研究背景及意义 | 第10-11页 |
| 1.2 选题依据 | 第11-12页 |
| 1.3 研究现状 | 第12-13页 |
| 1.4 本文研究的主要内容 | 第13-14页 |
| 1.5 组织结构 | 第14-15页 |
| 2. 相关理论与技术 | 第15-25页 |
| 2.1 推荐算法的相关理论 | 第15-18页 |
| 2.1.1 基于内容的推荐 | 第15-16页 |
| 2.1.2 基于关联规则的推荐 | 第16页 |
| 2.1.3 基于协同过滤的推荐 | 第16-17页 |
| 2.1.4 组合推荐 | 第17-18页 |
| 2.2 情境感知的相关理论 | 第18-21页 |
| 2.2.1 情境的定义 | 第18-19页 |
| 2.2.2 情境信息的获取 | 第19-20页 |
| 2.2.3 情境感知的应用 | 第20-21页 |
| 2.3 情境感知推荐技术 | 第21-23页 |
| 2.4 本章小结 | 第23-25页 |
| 3. 基于情境相似的协同过滤改进推荐算法 | 第25-35页 |
| 3.1 引言 | 第25页 |
| 3.2 传统的协同过滤推荐算法 | 第25-27页 |
| 3.3 库伦定律引入 | 第27页 |
| 3.4 改进算法描述 | 第27-31页 |
| 3.4.1 构建模型的改进 | 第27-28页 |
| 3.4.2 用户相似度计算的改进 | 第28-29页 |
| 3.4.3 改进算法步骤 | 第29-31页 |
| 3.5 实验结果及分析 | 第31-33页 |
| 3.5.1 实验数据集 | 第31页 |
| 3.5.2 实验测量指标 | 第31页 |
| 3.5.3 实验结果对比分析 | 第31-33页 |
| 3.6 本章小结 | 第33-35页 |
| 4. 基于情境相似的协同过滤改进推荐算法的应用 | 第35-55页 |
| 4.1 引言 | 第35页 |
| 4.2 需求分析 | 第35-37页 |
| 4.2.1 业务需求 | 第35-37页 |
| 4.2.2 性能需求 | 第37页 |
| 4.3 系统功能概要设计 | 第37-43页 |
| 4.3.1 系统用例模型 | 第38-40页 |
| 4.3.2 用户管理模块 | 第40页 |
| 4.3.3 用户交互模块 | 第40页 |
| 4.3.4 推荐模块 | 第40-41页 |
| 4.3.5 信息管理模块 | 第41页 |
| 4.3.6 数据库设计 | 第41-43页 |
| 4.4 推荐模块的详细设计 | 第43-47页 |
| 4.4.1 数据采集 | 第44-45页 |
| 4.4.2 情境提取与建模 | 第45页 |
| 4.4.3 用户偏好建模 | 第45-46页 |
| 4.4.4 情境推荐 | 第46-47页 |
| 4.5 推荐模块的实现 | 第47-52页 |
| 4.6 推荐结果对比分析 | 第52-53页 |
| 4.7 本章小结 | 第53-55页 |
| 5. 总结与展望 | 第55-57页 |
| 5.1 本文总结 | 第55-56页 |
| 5.2 不足与展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间所取得的研究成果 | 第61-62页 |
| 致谢 | 第62-63页 |
