基于关联规则的推荐算法研究与应用
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 第一章 绪论 | 第11-17页 |
| ·立论背景 | 第11-12页 |
| ·推荐系统的典型应用场景 | 第12-13页 |
| ·电子商务应用 | 第12-13页 |
| ·社会化网络应用 | 第13页 |
| ·推荐系统的研究内容 | 第13-15页 |
| ·推荐系统的研究方向 | 第13-14页 |
| ·待解决的主要问题 | 第14-15页 |
| ·本文的工作 | 第15页 |
| ·本文组织结构 | 第15-17页 |
| 第二章 推荐系统相关背景知识 | 第17-23页 |
| ·信息检索技术 | 第17-19页 |
| ·信息检索的发展 | 第17-18页 |
| ·信息检索的一般过程 | 第18-19页 |
| ·信息检索常用模型 | 第19页 |
| ·数据挖掘技术 | 第19-21页 |
| ·数据挖掘的定义 | 第19-20页 |
| ·数据挖掘的一般过程 | 第20页 |
| ·数据挖掘常用算法 | 第20-21页 |
| ·再论推荐系统 | 第21-23页 |
| ·形式化的定义 | 第21-22页 |
| ·推荐算法的主要研究目的 | 第22-23页 |
| 第三章 推荐系统主要算法和应用 | 第23-37页 |
| ·基于内容的推荐 | 第23-24页 |
| ·协同过滤算法 | 第24-28页 |
| ·协同过滤算法介绍 | 第24-25页 |
| ·基于用户的协同过滤 | 第25-27页 |
| ·基于项目的协同过滤 | 第27-28页 |
| ·基于关联规则的推荐 | 第28-29页 |
| ·基于聚类的推荐 | 第29页 |
| ·混合推荐方法 | 第29-30页 |
| ·主要推荐方法的对比 | 第30-31页 |
| ·成熟的推荐系统应用介绍 | 第31-37页 |
| ·电子商务推荐系统应用 | 第31-32页 |
| ·Web 2.0应用中的推荐功能 | 第32-33页 |
| ·开源推荐系统实现 | 第33-37页 |
| 第四章 数值数据上用关联规则产生推荐 | 第37-53页 |
| ·基于关联规则的推荐探讨 | 第37-42页 |
| ·关联规则挖掘 | 第37-38页 |
| ·产生规则的主要算法 | 第38-41页 |
| ·推荐的产生 | 第41-42页 |
| ·关联规则算法的局限性和应对 | 第42-44页 |
| ·数值属性离散化及其局限性 | 第44页 |
| ·数值数据上的关联规则算法 RCAR | 第44-47页 |
| ·秩相关度(Rank Correlation) | 第44-46页 |
| ·在数值数据上定义支持度 | 第46-47页 |
| ·使用算法RCAR构造推荐系统原型 | 第47-53页 |
| ·算法步骤和系统架构 | 第47-50页 |
| ·实现中面临的主要问题 | 第50-53页 |
| 第五章 基于RCAR的推荐算法评测实验 | 第53-59页 |
| ·实验数据 | 第53页 |
| ·度量方法 | 第53-54页 |
| ·实验流程 | 第54-55页 |
| ·实验结果及分析 | 第55-59页 |
| 第六章 总结与展望 | 第59-60页 |
| ·本文总结 | 第59页 |
| ·工作展望 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 攻读硕士学位期间发表的论文及参与的项目 | 第62-63页 |
| 致谢 | 第63页 |
