基于标签的个性化推荐系统研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 本文研究背景及意义 | 第16-18页 |
| 1.1.1 研究背景 | 第16-18页 |
| 1.1.2 研究意义 | 第18页 |
| 1.2 国内外研究现状 | 第18-20页 |
| 1.2.1 推荐系统研究现状 | 第18-19页 |
| 1.2.2 标签系统的研究现状 | 第19-20页 |
| 1.3 本文的研究内容 | 第20-21页 |
| 1.4 本文的组织结构 | 第21-22页 |
| 第二章 相关理论及技术介绍 | 第22-32页 |
| 2.1 个性化推荐系统简介 | 第22-24页 |
| 2.1.1 推荐相关的概念 | 第22-23页 |
| 2.1.2 获取输入信息 | 第23-24页 |
| 2.1.3 推荐模块 | 第24页 |
| 2.1.4 输出模块 | 第24页 |
| 2.2 相似度计算方法 | 第24-26页 |
| 2.2.1 余弦相似度计算 | 第25页 |
| 2.2.2 皮尔逊相关系数计算 | 第25-26页 |
| 2.2.3 修正的余弦相似度 | 第26页 |
| 2.3 基于标签的推荐算法 | 第26-29页 |
| 2.3.1 标签系统简介 | 第26-27页 |
| 2.3.2 标签的作用 | 第27-28页 |
| 2.3.3 基于标签的推荐算法 | 第28-29页 |
| 2.4 相关技术介绍 | 第29-30页 |
| 2.4.1 NodeJs | 第29页 |
| 2.4.2 MySql | 第29页 |
| 2.4.3 WebSocket | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 个性化推荐系统算法设计 | 第32-48页 |
| 3.1 标签相似性的计算方法 | 第32-37页 |
| 3.1.1 数据集 | 第33页 |
| 3.1.2 标签相似性分析 | 第33-36页 |
| 3.1.3 评测指标及结论 | 第36-37页 |
| 3.2 层次化的标签推荐算法 | 第37-43页 |
| 3.2.1 概述 | 第37-38页 |
| 3.2.2 用户对历史物品的兴趣偏好计算 | 第38-40页 |
| 3.2.3 物品之间的相似度计算 | 第40-42页 |
| 3.2.4 预测用户对待推荐物品的偏好计算 | 第42-43页 |
| 3.3 实验与分析 | 第43-47页 |
| 3.3.1 评测指标 | 第43-44页 |
| 3.3.2 实验结果分析 | 第44-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 基于标签的广告推荐系统设计 | 第48-60页 |
| 4.1 需求分析 | 第48-50页 |
| 4.1.1 功能需求分析 | 第48-49页 |
| 4.1.2 性能需求分析 | 第49-50页 |
| 4.2 总体设计 | 第50-54页 |
| 4.2.1 外围设计 | 第50页 |
| 4.2.2 系统体系结构设计 | 第50-53页 |
| 4.2.3 广告推荐系统层次结构设计 | 第53-54页 |
| 4.3 系统功能模块详细设计 | 第54-58页 |
| 4.3.1 Web客户端设计 | 第54-55页 |
| 4.3.2 数据库设计 | 第55-56页 |
| 4.3.3 用户兴趣模块设计 | 第56-57页 |
| 4.3.4 推荐模块设计 | 第57-58页 |
| 4.4 本章小结 | 第58-60页 |
| 第五章 个性化推荐系统实现与测试 | 第60-68页 |
| 5.1 实验环境 | 第60-61页 |
| 5.2 系统实现结果 | 第61-64页 |
| 5.2.1 用户注册与登陆 | 第61页 |
| 5.2.2 标签搜索页面 | 第61-62页 |
| 5.2.3 广告主发布广告页面 | 第62-63页 |
| 5.2.4 主播推荐页面 | 第63-64页 |
| 5.2.5 最新广告消息通知 | 第64页 |
| 5.3 系统测试 | 第64-67页 |
| 5.3.1 功能测试与分析 | 第64-65页 |
| 5.3.2 性能测试与分析 | 第65-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 论文总结 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 作者简介 | 第76-77页 |
