首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于协同过滤的推荐算法研究

摘要第4-5页
Abstract第5-6页
第一章 绪论第12-18页
    1.1 研究背景与意义第12-13页
    1.2 研究现状及问题提出第13-16页
        1.2.1 研究现状第13-15页
        1.2.2 问题提出第15-16页
    1.3 主要研究内容第16-17页
    1.4 论文组织结构第17-18页
第二章 协同过滤推荐算法综述第18-26页
    2.1 引言第18页
    2.2 协同过滤推荐算法介绍第18-22页
        2.2.1 基于用户的协同过滤推荐算法第18-20页
        2.2.2 基于物品的协同过滤推荐算法第20-21页
        2.2.3 基于聚类模型的协同过滤推荐算法第21-22页
    2.3 数据集与评价指标第22-24页
        2.3.1 数据集第22页
        2.3.2 评价指标第22-24页
    2.4 本章小结第24-26页
第三章 基于矩阵填充和物品可预测性的协同过滤算法第26-38页
    3.1 引言第26页
    3.2 相关概念及定义第26-28页
        3.2.1 物品层次划分第27页
        3.2.2 相关定义第27-28页
        3.2.3 0-1 背包问题第28页
    3.3 算法设计第28-30页
        3.3.1 矩阵填充第28-29页
        3.3.2 相似度计算第29页
        3.3.3 评分预测第29-30页
        3.3.4 推荐列表第30页
    3.4 算法流程及性能分析第30-32页
        3.4.1 算法流程第30-31页
        3.4.2 算法性能分析第31-32页
    3.5 实验结果及分析第32-37页
        3.5.1 实验设置第32页
        3.5.2 实验结果与分析第32-37页
    3.6 本章小结第37-38页
第四章 基于满意区间的协同过滤推荐算法第38-50页
    4.1 引言第38-39页
    4.2 算法设计第39-42页
        4.2.1 用户评分值映射到满意区间第39-40页
        4.2.2 用户间相似度计算第40-41页
        4.2.3 评分预测第41-42页
    4.3 算法流程及性能分析第42-44页
        4.3.1 算法流程第42-43页
        4.3.2 性能分析第43-44页
    4.4 实验结果与分析第44-48页
        4.4.1 实验设置第44页
        4.4.2 实验结果与分析第44-48页
    4.5 本章小结第48-50页
第五章 基于评分值分布推荐模型的协同过滤推荐算法第50-60页
    5.1 引言第50页
    5.2 相关概念及模型设计第50-51页
        5.2.1 相关概念和定义第50-51页
        5.2.2 模型设计第51页
    5.3 算法设计第51-54页
        5.3.1 物品中各评分值的热度统计第51-52页
        5.3.2 物品中各评分值的概率统计第52页
        5.3.3 物品中各评分值的信息量计算第52页
        5.3.4 物品中各评分值的权重计算第52-54页
        5.3.5 相似度计算第54页
        5.3.6 评分预测第54页
    5.4 算法流程及性能分析第54-56页
        5.4.1 算法流程第54-55页
        5.4.2 性能分析第55-56页
    5.5 实验与结果讨论第56-59页
        5.5.1 实验设置第56页
        5.5.2 实验结果及分析第56-59页
    5.6 本章小结第59-60页
第六章 基于用户兴趣点的协同过滤推荐算法第60-68页
    6.1 引言第60页
    6.2 算法设计第60-63页
        6.2.1 类别相似度第61页
        6.2.2 基于物品类别相似度的K-Means聚类算法第61页
        6.2.3 用户兴趣点确定第61-62页
        6.2.4 相似度计算第62页
        6.2.5 基于用户兴趣点的动态近邻选择第62-63页
        6.2.6 基于用户兴趣点的评分预测第63页
    6.3 算法流程及性能分析第63-64页
        6.3.1 算法流程第63页
        6.3.2 性能分析第63-64页
    6.4 实验与结果讨论第64-66页
        6.4.1 实验设置第64页
        6.4.2 实验结果与分析第64-66页
    6.5 本章小结第66-68页
第七章 总结与展望第68-70页
    7.1 工作总结第68-69页
    7.2 工作展望第69-70页
致谢第70-72页
参考文献第72-76页
作者简历第76页

论文共76页,点击 下载论文
上一篇:基于循环神经网络的推荐算法研究
下一篇:基于路由器的电子文件安全防护技术方法研究