基于社区协同过滤的网络学习推荐系统
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景和意义 | 第9-10页 |
| ·国内外的研究现状 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·协同过滤技术存在的问题与挑战 | 第12-14页 |
| ·论文结构安排 | 第14-16页 |
| 第二章 个性化推荐系统介绍 | 第16-24页 |
| ·个性化的定义与个性化服务 | 第16-17页 |
| ·个性化的定义 | 第16页 |
| ·个性化服务 | 第16-17页 |
| ·个性化推荐系统简述 | 第17-19页 |
| ·个性化推荐系统的定义 | 第17页 |
| ·个性化推荐系统的内容 | 第17-18页 |
| ·个性化推荐系统的分类 | 第18-19页 |
| ·个性化推荐的构架 | 第19-23页 |
| ·用户界面模块的输入 | 第20-21页 |
| ·用户界面模块的输出 | 第21-22页 |
| ·用户的个性化描述 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 个性化推荐系统相关技术 | 第24-36页 |
| ·常用技术介绍 | 第24-27页 |
| ·信息过滤 | 第24页 |
| ·数据挖掘 | 第24-26页 |
| ·其它有关技术 | 第26-27页 |
| ·常用推荐算法 | 第27-31页 |
| ·基于用户的协同过滤推荐算法 | 第27-28页 |
| ·基于产品的协同过滤推荐算法 | 第28-29页 |
| ·基于关联规则的推荐算法 | 第29-30页 |
| ·基于内容的推荐算法 | 第30页 |
| ·基于用户人口统计信息的推荐算法 | 第30页 |
| ·基于效用的推荐算法 | 第30-31页 |
| ·基于知识的推荐算法 | 第31页 |
| ·常用推荐算法的对比 | 第31-33页 |
| ·组合推荐算法 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于社区协同过滤的网络学习推荐模型设计 | 第36-47页 |
| ·推荐系统中的冷启动问题 | 第36-37页 |
| ·推荐系统中的新用户问题介绍 | 第37-38页 |
| ·基于模糊聚类的社区划分推荐算法 | 第38-41页 |
| ·模糊聚类 | 第38-39页 |
| ·计算评分 | 第39页 |
| ·计算学习资料相似性 | 第39-41页 |
| ·Top-N学习资料推荐 | 第41页 |
| ·用户兴趣变化问题的背景介绍 | 第41-42页 |
| ·基于社区协同过滤的推荐算法 | 第42-46页 |
| ·数据预处理 | 第42-44页 |
| ·关联规则发掘 | 第44页 |
| ·学习资料推荐 | 第44-46页 |
| ·用户反馈 | 第46页 |
| ·本章小结 | 第46-47页 |
| 第五章 基于社区协同过滤的网络学习推荐模型评价 | 第47-55页 |
| ·推荐结果的评价方法 | 第47-49页 |
| ·基于模糊聚类的社区划分推荐算法评价 | 第49-52页 |
| ·实验过程 | 第49-50页 |
| ·实验结果与分析 | 第50-52页 |
| ·基于社区协同过滤的推荐算法评价 | 第52-54页 |
| ·实验过程 | 第52-53页 |
| ·实验结果与分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 基于社区协同过滤的网络学习推荐系统的实现 | 第55-63页 |
| ·推荐系统的数据库设计 | 第55-56页 |
| ·个性化学习推荐系统实现的流程 | 第56-57页 |
| ·系统结构设计 | 第57-59页 |
| ·系统运行介绍 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第七章 总结与展望 | 第63-65页 |
| ·本文工作 | 第63页 |
| ·后续工作 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第69-70页 |
