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 |
