多媒体系统中个性化推荐的研究和设计
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-16页 |
| ·研究背景 | 第11-12页 |
| ·推荐系统的现状 | 第12-13页 |
| ·目的和意义 | 第13-14页 |
| ·研究内容和主要工作 | 第14-15页 |
| ·论文结构和安排 | 第15-16页 |
| 2 个性化推荐系统中的用户模型 | 第16-24页 |
| ·用户模型分析 | 第16-17页 |
| ·用户信息获取 | 第17-19页 |
| ·用户身份识别 | 第17页 |
| ·用户信息显式获取 | 第17-18页 |
| ·用户信息隐式获取 | 第18-19页 |
| ·用户模型表示 | 第19-21页 |
| ·加权关键字模型 | 第19-20页 |
| ·语义网络模型 | 第20页 |
| ·加权概念模型 | 第20-21页 |
| ·用户模型建立 | 第21-23页 |
| ·关键词模型建立 | 第22页 |
| ·概念网络模型建立 | 第22-23页 |
| ·加权概念模型建立 | 第23页 |
| ·小结 | 第23-24页 |
| 3 个性化推荐技术概述 | 第24-34页 |
| ·基于内容的推荐技术 | 第25-28页 |
| ·基于相似的方法 | 第25-26页 |
| ·基于概率的方法 | 第26-27页 |
| ·基于内容推荐算法的缺点 | 第27-28页 |
| ·基于协同过滤的推荐技术 | 第28-33页 |
| ·基于用户的协同过滤 | 第29-31页 |
| ·基于项目的协同过滤方法 | 第31-32页 |
| ·基于模型的推荐方法 | 第32页 |
| ·协同过滤方法的缺点 | 第32-33页 |
| ·混合推荐系统 | 第33页 |
| ·本章小结 | 第33-34页 |
| 4 个性化推荐系统设计 | 第34-55页 |
| ·基于概念网络的资源表示方法 | 第35-40页 |
| ·系统资源表示结构 | 第35页 |
| ·项目表示方法 | 第35-36页 |
| ·关键词选取方法 | 第36-38页 |
| ·增强词发现算法 | 第38页 |
| ·基于访问模式的概念网络模型 | 第38-40页 |
| ·基于用户记忆的兴趣模型 | 第40-43页 |
| ·信任增强的协同过滤技术 | 第43-50页 |
| ·信任度计算方法 | 第43-45页 |
| ·用户模型聚类算法 | 第45-47页 |
| ·基于协同过滤的用户兴趣扩展算法 | 第47-50页 |
| ·个性化信息生成 | 第50-54页 |
| ·推荐生成 | 第50页 |
| ·个性化排名 | 第50-53页 |
| ·用户与系统交互过程 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 5 实验结果分析 | 第55-62页 |
| ·实验数据集 | 第55页 |
| ·评价准则 | 第55-57页 |
| ·预测精准度评测 | 第55-56页 |
| ·分类精确度准则 | 第56-57页 |
| ·实验设计和分析 | 第57-61页 |
| ·用户模型对推荐结果的影响 | 第57-58页 |
| ·聚类准确度 | 第58-60页 |
| ·信任值分布情况 | 第60页 |
| ·系统推荐准确度 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 6 结论 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·未来工作展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 作者简历 | 第67-69页 |
| 学位论文数据集 | 第69页 |
