基于协同过滤的药品推荐算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 本文的研究内容 | 第15页 |
| 1.4 本文的结构安排 | 第15-17页 |
| 第二章 相关理论知识 | 第17-26页 |
| 2.1 个性化推荐算法 | 第17-23页 |
| 2.1.1 基于内容的推荐算法 | 第17-18页 |
| 2.1.2 协同过滤推荐算法 | 第18-22页 |
| 2.1.3 混合推荐技术 | 第22-23页 |
| 2.2 特征降维 | 第23-26页 |
| 2.2.1 特征选择方法 | 第23-24页 |
| 2.2.2 特征提取方法 | 第24-26页 |
| 第三章 基于用户相似度和信任度的药品推荐算法 | 第26-38页 |
| 3.1 问题描述 | 第26-27页 |
| 3.2 基于用户相似度和信任度的药品推荐算法 | 第27-32页 |
| 3.2.1 药品预处理及聚类 | 第27-28页 |
| 3.2.2 用户相似度计算 | 第28-29页 |
| 3.2.3 引入阈值计算相似邻居集 | 第29-30页 |
| 3.2.4 用户信任计算模型 | 第30-31页 |
| 3.2.5 预测评分 | 第31页 |
| 3.2.6 推荐算法 | 第31-32页 |
| 3.3 实验结果及分析 | 第32-37页 |
| 3.3.1 数据集 | 第32页 |
| 3.3.2 评价指标 | 第32-33页 |
| 3.3.3 实验结果分析 | 第33-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 融合人口统计属性的药品推荐算法 | 第38-49页 |
| 4.1 药品聚类 | 第38-42页 |
| 4.1.1 药品预处理 | 第38-39页 |
| 4.1.2 药品表示 | 第39页 |
| 4.1.3 特征降维 | 第39-41页 |
| 4.1.4 药品聚类 | 第41-42页 |
| 4.2 用户相似度计算 | 第42-44页 |
| 4.3 预测评分 | 第44页 |
| 4.4 算法步骤 | 第44页 |
| 4.5 实验结果及分析 | 第44-47页 |
| 4.5.1 数据集 | 第44-45页 |
| 4.5.2 评价指标 | 第45页 |
| 4.5.3 实验结果分析 | 第45-47页 |
| 4.6 本章小结 | 第47-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 论文工作总结 | 第49-50页 |
| 5.2 展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-57页 |
| 附录A 攻读硕士学位期间发表的学术论文 | 第57-58页 |
| 附录B 攻读硕士学位期间参与的科研项目 | 第58页 |
