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

基于协同过滤的学习资源群体推荐模型及应用研究

摘要第3-5页
Abstract第5-6页
第1章 绪论第9-15页
    1.1 研究背景与意义第9-10页
    1.2 国内外研究现状第10-13页
        1.2.1 国外研究现状第10-12页
        1.2.2 国内研究现状第12-13页
    1.3 研究目标和研究内容第13-14页
        1.3.1 研究目标第13页
        1.3.2 研究内容第13-14页
    1.4 本文组织结构第14-15页
第2章 理论及技术基础第15-23页
    2.1 个性化推荐第15-18页
        2.1.1 个性化推荐的意义第15-16页
        2.1.2 个性化推荐概述第16-17页
        2.1.3 个性化推荐的作用第17-18页
    2.2 个性化推荐分类第18-23页
        2.2.1 基于内容的推荐第18-19页
        2.2.2 基于知识的推荐第19页
        2.2.3 基于规则的推荐第19-20页
        2.2.4 混合推荐第20-21页
        2.2.5 协同过滤推荐第21-22页
        2.2.6 几种推荐技术比较第22-23页
第3章 多特征协同过滤推荐算法第23-35页
    3.1 协同过滤算法第23-29页
        3.1.1 协同过滤算法分类第24页
        3.1.2 协同过滤算法描述第24-28页
        3.1.3 协同过滤存在的问题第28-29页
    3.2 多特征协同过滤算法第29-35页
        3.2.1 灰色关联相似度第29-31页
        3.2.2 多特征最近邻居集第31-33页
        3.2.3 推荐列表生成第33-35页
第4章 实验设计与结果分析第35-43页
    4.1 实验内容与目的第35-36页
    4.2 实验数据第36-37页
        4.2.1 MovieLens数据集第36-37页
        4.2.2 数据集稀疏度第37页
    4.3 评估标准第37-38页
    4.4 实验设计第38-39页
    4.5 实验结果分析第39-43页
        4.5.1 实验一结果分析第39页
        4.5.2 实验二结果分析第39-41页
        4.5.3 实验三结果分析第41-43页
第5章 基于协同过滤的学习资源群体推荐模型第43-53页
    5.1 学习资源群体推荐问题第43-45页
        5.1.1 问题提出第43页
        5.1.2 学习资源群体推荐思路第43-45页
    5.2 学习资源群体推荐模型第45-49页
        5.2.1 模型体系结构第45-47页
        5.2.2 模型工作流程第47-49页
    5.3 主要功能实现第49-53页
第6章 总结与展望第53-55页
    6.1 本文工作总结第53-54页
    6.2 研究和展望第54-55页
参考文献第55-59页
致谢第59-61页
攻读硕士学位期间的研究成果第61页

论文共61页,点击 下载论文
上一篇:Hadoop调度器优化及其在舆情分析中的应用
下一篇:基于标签的学习资源推荐系统