基于社会化标签的个性化推荐技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-16页 |
| ·研究背景 | 第11-12页 |
| ·课题研究现状 | 第12-13页 |
| ·研究内容和设计目标 | 第13-14页 |
| ·本文的组织结构 | 第14-16页 |
| 第二章 个性化推荐算法及相关知识 | 第16-31页 |
| ·个性化推荐算法 | 第16-23页 |
| ·基于内容的推荐算法 | 第16-18页 |
| ·协同过滤的推荐算法 | 第18-21页 |
| ·基于网络的推荐算法 | 第21-22页 |
| ·混合推荐算法 | 第22-23页 |
| ·常用推荐指标 | 第23-28页 |
| ·准确度评价指标 | 第23-26页 |
| ·排名权重指标 | 第26页 |
| ·多样性和新奇性 | 第26-27页 |
| ·覆盖率指标 | 第27-28页 |
| ·相似度度量 | 第28-29页 |
| ·本文中使用的数据集介绍 | 第29-30页 |
| ·MovieLens | 第29-30页 |
| ·Delicious | 第30页 |
| ·本章小结 | 第30-31页 |
| 第三章 社会化标签和个性化推荐 | 第31-37页 |
| ·社会化标签 | 第31-32页 |
| ·基于社会化标签的推荐系统 | 第32-33页 |
| ·基于标签的推荐系统模型简介 | 第33-36页 |
| ·基于主题的方法 | 第33-34页 |
| ·基于网络的方法 | 第34页 |
| ·基于张量的方法 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于社会化标签的协同过滤算法研究 | 第37-65页 |
| ·基于社会化标签的协同过滤基准算法 | 第37-38页 |
| ·社会化标签结构的分析 | 第38-39页 |
| ·商品-标签联合推荐猜想 | 第39-40页 |
| ·用户相似度计算 | 第40-44页 |
| ·基于物质扩散算法的相似度 | 第40-42页 |
| ·基于商品-用户-标签三部图的相似度计算方法 | 第42-44页 |
| ·从单纯的商品推荐和标签推荐得到联合推荐 | 第44-46页 |
| ·单纯的商品推荐 | 第44-45页 |
| ·单纯的标签推荐 | 第45页 |
| ·商品和标签之间的关系研究分析 | 第45-46页 |
| ·得到商品和标签联合推荐 | 第46页 |
| ·利用改进的用户分析模型得到联合推荐 | 第46-49页 |
| ·改进的用户模型分析 | 第46-47页 |
| ·加权的用户分析模型矩阵 | 第47-48页 |
| ·得到商品-标签联合推荐 | 第48-49页 |
| ·最终的商品-标签联合推荐结果 | 第49-50页 |
| ·改进的协同过滤算法和传统的协同过滤算法实验对比 | 第50-64页 |
| ·数据分析和数据预处理 | 第50-54页 |
| ·评价指标选择 | 第54-55页 |
| ·改进算法中的变量 | 第55页 |
| ·实验结果对比 | 第55-60页 |
| ·敏感度分析 | 第60-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 基于社会化标签的物质扩散算法研究 | 第65-76页 |
| ·基于社会化标签的三部图物质扩散算法 | 第65-66页 |
| ·基于网络的三部图算法猜想 | 第66-67页 |
| ·引入了时间因素的三部图推荐算法 | 第67-68页 |
| ·实验对比 | 第68-73页 |
| ·得到用户-标签联合推荐结果 | 第73-75页 |
| ·本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| ·总结 | 第76页 |
| ·展望 | 第76-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-86页 |
| 攻硕期间取得的研究成果 | 第86-87页 |
