基于用户评分偏好与局部项目空间的协同过滤算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-14页 |
| 1.1.2 研究意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 国外研究现状 | 第14-16页 |
| 1.2.2 国内研究现状 | 第16-18页 |
| 1.3 本文主要工作与创新点 | 第18-19页 |
| 1.3.1 主要工作 | 第18-19页 |
| 1.3.2 创新点 | 第19页 |
| 1.4 论文组织结构 | 第19-20页 |
| 第2章 相关概念和技术 | 第20-32页 |
| 2.1 个性化推荐系统概述 | 第20-21页 |
| 2.1.1 个性化推荐系统的定义 | 第20页 |
| 2.1.2 个性化推荐系统的结构 | 第20-21页 |
| 2.2 个性化推荐的常用算法 | 第21-24页 |
| 2.2.1 基于内容的推荐算法 | 第21页 |
| 2.2.2 基于关联规则的推荐算法 | 第21页 |
| 2.2.3 基于协同过滤的推荐算法 | 第21-22页 |
| 2.2.4 社会化推荐算法 | 第22页 |
| 2.2.5 混合推荐算法 | 第22-23页 |
| 2.2.6 各种个性化推荐算法的比较 | 第23-24页 |
| 2.3 协同过滤算法 | 第24-28页 |
| 2.3.1 协同过滤算法概述 | 第24-26页 |
| 2.3.2 基于内存的协同过滤算法 | 第26-27页 |
| 2.3.3 基于模型的协同过滤算法 | 第27-28页 |
| 2.4 推荐算法性能评估 | 第28-31页 |
| 2.4.1 实验方法和数据集 | 第28-29页 |
| 2.4.2 评价指标 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 基于用户评分偏好的协同过滤算法 | 第32-45页 |
| 3.1 问题描述 | 第32-33页 |
| 3.2 加入评分偏好因子的协同过滤算法 | 第33-37页 |
| 3.2.1 综合正负性评分偏好的相似性计算 | 第34-35页 |
| 3.2.2 考虑评分正负性的评分预测 | 第35-36页 |
| 3.2.3 算法过程 | 第36-37页 |
| 3.3 对比实验与结果分析 | 第37-44页 |
| 3.3.1 实验设置 | 第37-38页 |
| 3.3.2 实验结果分析 | 第38-44页 |
| 3.4 应用场景分析 | 第44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于局部项目空间的协同过滤算法 | 第45-61页 |
| 4.1 问题描述 | 第45页 |
| 4.2 在局部项目空间中计算的协同过滤算法 | 第45-52页 |
| 4.2.1 局部项目空间选择 | 第46-47页 |
| 4.2.2 局部项目空间中的计算 | 第47-50页 |
| 4.2.3 算法过程 | 第50-52页 |
| 4.3 对比实验与结果分析 | 第52-59页 |
| 4.3.1 实验设置 | 第52-53页 |
| 4.3.2 实验结果分析 | 第53-59页 |
| 4.4 应用场景分析 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第68-69页 |
| 附录 B 攻读学位期间所参与的研究项目 | 第69-70页 |
| 致谢 | 第70页 |
