基于用户特征与时间权重的电影推荐算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-16页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文研究内容 | 第14页 |
| 1.4 论文结构 | 第14-16页 |
| 第2章 推荐系统相关研究 | 第16-26页 |
| 2.1 基本概念 | 第16-17页 |
| 2.2 推荐算法分类 | 第17-21页 |
| 2.2.1 基于内容推荐 | 第17-18页 |
| 2.2.2 协同过滤推荐 | 第18-19页 |
| 2.2.3 基于关联规则 | 第19-20页 |
| 2.2.4 混合推荐算法 | 第20-21页 |
| 2.3 协同过滤推荐算法分类 | 第21-23页 |
| 2.3.1 基于内存的协同过滤 | 第22-23页 |
| 2.3.2 基于模型的协同过滤 | 第23页 |
| 2.4 问题和挑战 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于用户特征与时间权重的电影推荐算法 | 第26-40页 |
| 3.1 本章概述 | 第26页 |
| 3.2 用户特征提取 | 第26-31页 |
| 3.2.1 用户属性的选取 | 第26-28页 |
| 3.2.2 用户属性数据建模 | 第28-29页 |
| 3.2.3 用户信任度的选取及建模 | 第29-31页 |
| 3.3 基于用户特征的电影推荐算法 | 第31-35页 |
| 3.3.1 相似度计算 | 第31-32页 |
| 3.3.2 最近邻选取 | 第32-33页 |
| 3.3.3 CFUBF算法 | 第33页 |
| 3.3.4 算法描述流程 | 第33-35页 |
| 3.4 基于用户特征与时间权重的电影推荐算法 | 第35-39页 |
| 3.4.1 时间函数的选取 | 第36-37页 |
| 3.4.2 用户评分时间数据建模 | 第37页 |
| 3.4.3 ICFUBF算法 | 第37-38页 |
| 3.4.4 算法描述流程 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 实验设计与分析 | 第40-48页 |
| 4.1 实验数据集 | 第40-41页 |
| 4.2 实验评估标准 | 第41页 |
| 4.3 CFBUF算法实验分析 | 第41-44页 |
| 4.4 ICFBUF算法实验分析 | 第44-47页 |
| 4.4.1 参数分析 | 第44-45页 |
| 4.4.2 结果分析 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-50页 |
| 5.1 研究总结 | 第48页 |
| 5.2 研究展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 作者简介及读研期间主要科研成果 | 第54-55页 |
