基于关联分析的用户兴趣漂移挖掘算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究内容和创新点 | 第10-11页 |
| 1.3 论文组织结构 | 第11-12页 |
| 第二章 相关理论及研究现状 | 第12-23页 |
| 2.1 相关理论 | 第12-18页 |
| 2.1.1 传统推荐算法介绍 | 第12-15页 |
| 2.1.2 LDA模型介绍 | 第15页 |
| 2.1.3 基于图模型的随机游走算法介绍 | 第15-18页 |
| 2.2 推荐系统的相关研究 | 第18-20页 |
| 2.2.1 针对数据稀疏性的相关研究 | 第18-19页 |
| 2.2.2 针对用户兴趣漂移难以抓取的相关研究 | 第19页 |
| 2.2.3 针对推荐结果“过拟合”的相关研究 | 第19-20页 |
| 2.3 推荐系统的评价标准 | 第20-23页 |
| 2.3.1 评分预测结果评估 | 第20-21页 |
| 2.3.2 排序预测结果评估 | 第21页 |
| 2.3.3 其它评价标准 | 第21-23页 |
| 第三章 基于数据填充的用户兴趣漂移模型 | 第23-37页 |
| 3.1 用户关联组的挖掘 | 第24-25页 |
| 3.2 数据填充 | 第25-27页 |
| 3.3 用户兴趣漂移模型的构建 | 第27-28页 |
| 3.3.1 用户兴趣漂移的获取 | 第27-28页 |
| 3.3.2 用户的兴趣预测 | 第28页 |
| 3.4 评分预测 | 第28-29页 |
| 3.5 实验 | 第29-36页 |
| 3.5.1 数据集 | 第29-30页 |
| 3.5.2 评价标准 | 第30-31页 |
| 3.5.3 参数选取 | 第31-35页 |
| 3.5.4 算法对比 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 基于随机游走的用户兴趣扩展模型 | 第37-47页 |
| 4.1 基于时序影响的用户相似度重构 | 第38-42页 |
| 4.1.1 TimeUserRank相似度 | 第38-39页 |
| 4.1.2 相似度衡量与评分预测方法 | 第39-41页 |
| 4.1.3 混合相似度 | 第41-42页 |
| 4.2 基于时序影响的项目重要程度重构 | 第42-43页 |
| 4.3 项目推荐 | 第43页 |
| 4.4 实验 | 第43-45页 |
| 4.4.1 评价标准 | 第44-45页 |
| 4.4.2 算法对比 | 第45页 |
| 4.5 本章小结 | 第45-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 工作总结 | 第47-48页 |
| 5.2 工作展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 发表论文与参与科研项目情况 | 第54页 |
