基于成员影响力的群组推荐算法
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 群组推荐及相关算法 | 第16-24页 |
| 2.1 群组推荐 | 第16-18页 |
| 2.2 相关技术 | 第18-23页 |
| 2.2.1 聚类分析 | 第18-19页 |
| 2.2.2 遗传算法 | 第19-21页 |
| 2.2.3 协同过滤推荐算法 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 基于项目聚类的群组成员影响力分析算法 | 第24-36页 |
| 3.1 相关分析算法存在的问题 | 第24-26页 |
| 3.1.1 基于用户个性特征的影响力分析方法 | 第24-25页 |
| 3.1.2 基于用户行为的影响力分析方法 | 第25-26页 |
| 3.2 群组成员影响力分析方法 | 第26-28页 |
| 3.2.1 群组评分特征分析 | 第26-27页 |
| 3.2.2 聚类分析和遗传算法的引入 | 第27-28页 |
| 3.3 基于偏好挖掘的群组成员影响力分析算法 | 第28-35页 |
| 3.3.1 群组偏好挖掘算法 | 第29-32页 |
| 3.3.2 群组成员偏好挖掘算法 | 第32-34页 |
| 3.3.3 群组成员影响力分析算法 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于新群组相似性度量的群组推荐算法 | 第36-46页 |
| 4.1 相关群组推荐算法存在的问题 | 第36-37页 |
| 4.2 新群组问题的解决方案 | 第37-38页 |
| 4.3 解决新群组问题的群组推荐算法 | 第38-45页 |
| 4.3.1 用户匹配 | 第39-42页 |
| 4.3.2 群组相似性度量与评分预测 | 第42-43页 |
| 4.3.3 协同过滤群组推荐算法 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 实验结果及分析 | 第46-56页 |
| 5.1 实验数据和对比算法介绍 | 第46-48页 |
| 5.1.1 实验数据 | 第46-47页 |
| 5.1.2 对比实验介绍 | 第47-48页 |
| 5.1.3 实验环境 | 第48页 |
| 5.2 实验评价标准 | 第48-49页 |
| 5.3 群组成员影响力分析算法的实验结果分析 | 第49-52页 |
| 5.3.1 聚类算法的影响参数的实验分析 | 第49-51页 |
| 5.3.2 群组成员权重分析算法的实验对比分析 | 第51-52页 |
| 5.4 群组推荐算法的实验结果分析 | 第52-55页 |
| 5.4.1 基于群组相似性度量的实验对比分析 | 第52-54页 |
| 5.4.2 协同过滤群组推荐算法的实验对比分析 | 第54-55页 |
| 5.5 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第61-62页 |
| 致谢 | 第62页 |
