基于改进的协同过滤电影推荐算法研究
| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 推荐系统 | 第10-12页 |
| 1.2.2 电影推荐系统 | 第12页 |
| 1.3 研究目的与内容 | 第12-13页 |
| 1.4 论文结构 | 第13-15页 |
| 第2章 推荐系统及其相关技术 | 第15-32页 |
| 2.1 信息检索与信息过滤技术 | 第15-17页 |
| 2.2 推荐系统及其组成 | 第17-21页 |
| 2.2.1 用户建模模块 | 第18-20页 |
| 2.2.2 推荐对象建模 | 第20-21页 |
| 2.2.3 推荐算法模块 | 第21页 |
| 2.3 推荐算法及其分类 | 第21-29页 |
| 2.3.1 基于内容的推荐算法 | 第21-22页 |
| 2.3.2 协同过滤推荐算法 | 第22-29页 |
| 2.4 推荐系统面临的挑战 | 第29-30页 |
| 2.5 小结 | 第30-32页 |
| 第3章 基于用户的协同过滤电影推荐算法改进 | 第32-45页 |
| 3.1 稀疏性问题及分析 | 第32-33页 |
| 3.2 用户相似度计算方法的改进 | 第33-39页 |
| 3.2.1 用户共同评分项目极少情况下的相似度 | 第34-36页 |
| 3.2.2 用户需求信息缺失情况下的相似度 | 第36-39页 |
| 3.3 NUBCF电影推荐算法 | 第39-44页 |
| 3.3.1 算法思想 | 第39-41页 |
| 3.3.2 算法实现步骤 | 第41-43页 |
| 3.3.3 算法复杂度分析 | 第43-44页 |
| 3.4 小结 | 第44-45页 |
| 第4章 实验设计与分析 | 第45-55页 |
| 4.1 数据集 | 第45-46页 |
| 4.2 推荐算法评价标准 | 第46-48页 |
| 4.3 实验方案设计 | 第48-49页 |
| 4.3.1 实验一方案设计 | 第48-49页 |
| 4.3.2 实验二方案设计 | 第49页 |
| 4.4 实验结果及分析 | 第49-53页 |
| 4.4.1 实验一结果分析 | 第49-51页 |
| 4.4.2 实验二结果分析 | 第51-53页 |
| 4.5 小结 | 第53-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间学术研究成果 | 第63页 |
