基于用户相似性的协同过滤推荐算法研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 绪论 | 第10-15页 |
| ·论文背景与意义 | 第10-11页 |
| ·国内外发展现状 | 第11-13页 |
| ·本文的工作及组织结构 | 第13-15页 |
| 2 相关工作 | 第15-31页 |
| ·个性化推荐技术 | 第15-16页 |
| ·基于邻居的协同过滤推荐算法 | 第16-25页 |
| ·基于用户的(User-based)协同过滤推荐 | 第16-20页 |
| ·基于项目的(Item-based)协同过滤推荐 | 第20-25页 |
| ·基于模型的协同过滤推荐算法 | 第25-30页 |
| ·基线预测 | 第26-28页 |
| ·SVD | 第28-29页 |
| ·SVD++ | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 3 用户相似性度量方法 | 第31-36页 |
| ·常用的用户相似性度量方法 | 第31-33页 |
| ·改进的用户相似性度量方法 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 4 协同过滤推荐系统稀疏性问题 | 第36-54页 |
| ·稀疏性问题的度量 | 第36页 |
| ·稀疏性问题对推荐系统的性能影响 | 第36-40页 |
| ·不准确的相似度 | 第37页 |
| ·不准确的最近邻居 | 第37-38页 |
| ·不准确的预测值 | 第38-40页 |
| ·稀疏性问题的解决方法 | 第40-43页 |
| ·对用户未评分项目设置缺省值 | 第40页 |
| ·引入项目内容信息 | 第40-41页 |
| ·矩阵填充方法 | 第41-43页 |
| ·一种基于项目相似性的矩阵填充方法 | 第43-45页 |
| ·项目相似性计算 | 第43-44页 |
| ·预测项目评分值 | 第44页 |
| ·基于项目相似性的虚拟用户-项目评分矩阵 | 第44页 |
| ·产生推荐 | 第44-45页 |
| ·算法扩展 | 第45-47页 |
| ·基于用户相似性的虚拟评分 | 第45-46页 |
| ·虚拟评分的计算 | 第46页 |
| ·基于虚拟评分的评分预测 | 第46页 |
| ·算法完整描述 | 第46-47页 |
| ·实验设计与结果分析 | 第47-53页 |
| ·数据集 | 第47-50页 |
| ● 实验数据统计 | 第48页 |
| ● 评分值标准化方法 | 第48-49页 |
| ● 评价指标 | 第49-50页 |
| ·实验结果与分析 | 第50-53页 |
| ● 改进用户相似性度量方法的实验结果 | 第50-52页 |
| ● 解决数据稀疏性方法的实验结果 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 5 总结与展望 | 第54-56页 |
| ·本文工作总结 | 第54-55页 |
| ·未来工作展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 作者简历 | 第60-62页 |
| 学位论文数据集 | 第62页 |
