首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

协同过滤推荐算法的关键性问题研究

摘要第1-13页
ABSTRACT第13-16页
第1章 绪论第16-28页
   ·研究背景与意义第16-17页
   ·协同过滤推荐算法的关键问题第17-19页
   ·相关研究现状第19-25页
     ·数据稀疏性问题第19-22页
     ·可扩展性问题第22-23页
     ·Top-n推荐问题第23-25页
   ·本文的研究内容及创新点第25-27页
   ·本文的组织结构第27-28页
第2章 本文涉及的基础知识第28-38页
   ·协同过滤推荐算法第28-33页
     ·基于近邻的CF推荐算法第28-29页
     ·基于矩阵分解的CF推荐算法第29-31页
     ·基于二部图的CF推荐算法第31-32页
     ·基于pairwise排序的CF推荐算法第32-33页
   ·Linked Data第33-34页
   ·模糊c-means聚类算法第34-35页
   ·Listwise排序学习第35-37页
   ·本章小节第37-38页
第3章 结合Linked Data的协同过滤推荐算法第38-50页
   ·引言第38-39页
   ·结合Linked Data的MF推荐算法第39-44页
     ·项目特征抽取与表示第39-40页
     ·项目相似度度量第40-41页
     ·项目相似度敏感的MF算法第41-43页
     ·算法时间复杂度分析第43-44页
   ·实验评估第44-48页
     ·数据集和评价标准第44页
     ·对比算法第44-45页
     ·实验结果与分析第45-48页
   ·本章小结第48-50页
第4章 改进的基于用户组的二部图推荐算法第50-59页
   ·引言第50-51页
   ·基于用户组的推荐方法第51-53页
     ·发现用户组第51-53页
     ·Top-n推荐第53页
   ·实验评估第53-57页
     ·数据集第54页
     ·对比算法第54页
     ·评价标准第54-55页
     ·实验结果第55-57页
   ·本章小结第57-59页
第5章 基于信息融合的混合多组聚类推荐方法第59-80页
   ·引言第59-60页
   ·混合多组联合聚类推荐框架第60-70页
     ·框架概览第60-61页
     ·信息融合模块第61-63页
     ·混合多组联合聚类模块第63-68页
     ·Top-n推荐模块第68-70页
   ·实验设置第70-73页
     ·数据集第70-71页
     ·评价标准第71-72页
     ·对比算法第72-73页
   ·实验结果第73-79页
     ·参数选择第73-75页
     ·实验对比第75-78页
     ·讨论第78-79页
   ·本章小结第79-80页
第6章 基于Listwise排序的协同过滤推荐算法第80-102页
   ·引言第80-81页
   ·ListCF算法第81-87页
     ·相似度计算方法第81-83页
     ·排序预测方法第83-85页
     ·算法形式化和讨论第85-87页
   ·增量ListCF算法第87-92页
     ·增量更新方法第87-91页
     ·复杂度分析第91-92页
   ·Pointwise、Pairwise和Listwise CF比较第92-94页
     ·相互关系第92-93页
     ·Listwise CF的优势第93-94页
   ·实验评估第94-101页
     ·实验设置第95-96页
     ·运行效率比较第96-98页
     ·预测准确度比较第98-101页
   ·本章小结第101-102页
第7章 总结与展望第102-105页
   ·主要工作总结第102-103页
   ·未来工作展望第103-105页
参考文献第105-118页
致谢第118-119页
攻读学位期间发表的学术论文目录第119-120页
攻读学位期间参与科研项目情况第120-121页
攻读学位期间获奖情况第121-122页
外文论文第122-182页
学位论文评阅及答辩情况表第182页

论文共182页,点击 下载论文
上一篇:基子稀疏表示的人脸识别算法研究
下一篇:关于带有连续基础算子的一致模的若干问题研究