基于项目和用户双重聚类的协同过滤推荐算法
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·主要研究内容 | 第9页 |
| ·推荐技术研究现状 | 第9-10页 |
| ·协同过滤推荐技术研究现状 | 第10-11页 |
| ·本文研究内容及结构安排 | 第11-13页 |
| ·研究内容 | 第11页 |
| ·结构安排 | 第11-13页 |
| 第二章 协同过滤和电子商务推荐系统 | 第13-27页 |
| ·电子商务推荐系统概述 | 第13-14页 |
| ·电子商务推荐系统概念 | 第13页 |
| ·电子商务推荐系统作用 | 第13页 |
| ·电子商务推荐系统分类 | 第13-14页 |
| ·电子商务推荐系统结构 | 第14-17页 |
| ·输入功能模块 | 第14-15页 |
| ·推荐处理模块 | 第15-16页 |
| ·输出模块 | 第16-17页 |
| ·电子商务推荐系统中的推荐技术 | 第17-18页 |
| ·基于规则的推荐技术 | 第17页 |
| ·基于内容过滤的推荐技术 | 第17页 |
| ·基于协同过滤的推荐技术 | 第17-18页 |
| ·基于用户统计的推荐技术 | 第18页 |
| ·基于效用的推荐技术 | 第18页 |
| ·组合推荐技术 | 第18页 |
| ·数据挖掘技术在电子商务推荐系统中的应用 | 第18-20页 |
| ·聚类 | 第18-19页 |
| ·关联规则 | 第19页 |
| ·贝叶斯网络 | 第19-20页 |
| ·Horting 图 | 第20页 |
| ·协同过滤的概念 | 第20页 |
| ·协同过滤的原理和实现过程 | 第20-22页 |
| ·传统协同过滤推荐算法 | 第22-26页 |
| ·基于用户的协同过滤算法 | 第22-25页 |
| ·基于项目的协同过滤算法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于用户和项目双重聚类的协同过滤算法 | 第27-34页 |
| ·基于项目聚类的协同过滤算法 | 第27页 |
| ·基于用户聚类的协同过滤算法 | 第27-28页 |
| ·基于用户和项目双聚类的协同过滤算法 | 第28-33页 |
| ·算法描述 | 第28-32页 |
| ·算法设计 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 实验分析 | 第34-41页 |
| ·实验目标 | 第34页 |
| ·实验数据 | 第34-35页 |
| ·实验设计 | 第35-36页 |
| ·实验过程 | 第36-39页 |
| ·实验结果 | 第39-40页 |
| ·度量标准 | 第39页 |
| ·结果比较 | 第39-40页 |
| ·实验结果分析 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第五章 结论与展望 | 第41-42页 |
| ·本文总结 | 第41页 |
| ·工作展望 | 第41-42页 |
| 参考文献 | 第42-44页 |
| 致谢 | 第44-45页 |
| 在学期间的科研成果 | 第45页 |
