融合社会化标签的协同推荐系统研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 课题研究背景和意义 | 第16-18页 |
| 1.1.1 推荐系统 | 第16-17页 |
| 1.1.2 社会化标签与个性化推荐 | 第17页 |
| 1.1.3 课题的研究意义 | 第17-18页 |
| 1.2 课题研究现状 | 第18-21页 |
| 1.2.1 个性化推荐技术 | 第18-20页 |
| 1.2.2 基于标签融合的推荐算法 | 第20-21页 |
| 1.3 本文的主要工作与内容安排 | 第21-24页 |
| 第二章 基于评分和基于标签的推荐系统 | 第24-42页 |
| 2.1 推荐系统和社会化标签 | 第24-27页 |
| 2.1.1 推荐系统的组成 | 第24-25页 |
| 2.1.2 推荐系统的评价指标 | 第25-26页 |
| 2.1.3 社会化标签 | 第26-27页 |
| 2.1.4 社会化标签系统 | 第27页 |
| 2.2 基于评分的推荐算法 | 第27-34页 |
| 2.2.1 基于用户的协同过滤算法 | 第28-29页 |
| 2.2.2 基于物品的协同过滤算法 | 第29-30页 |
| 2.2.3 基于用户和物品的协同算法对比 | 第30-31页 |
| 2.2.4 基于隐语义的模型 | 第31-33页 |
| 2.2.5 基于图的模型 | 第33-34页 |
| 2.2.6 基于内存和模型的推荐算法对比 | 第34页 |
| 2.3 基于标签的推荐算法 | 第34-41页 |
| 2.3.1 协同过滤扩展模型 | 第34-35页 |
| 2.3.2 基于网络结构的模型 | 第35-38页 |
| 2.3.3 基于主题的模型 | 第38-39页 |
| 2.3.4 基于张量分解的模型 | 第39-41页 |
| 2.3.5 四种算法的对比 | 第41页 |
| 2.4 本章小结 | 第41-42页 |
| 第三章 融合标签的推荐算法研究 | 第42-50页 |
| 3.1 标签扩展评分矩阵 | 第42-43页 |
| 3.2 标签评分预测物品评分 | 第43-44页 |
| 3.3 标签优化正则项 | 第44-46页 |
| 3.4 协同主题回归模型 | 第46-47页 |
| 3.5 现有模型存在的问题 | 第47-48页 |
| 3.6 本章小结 | 第48-50页 |
| 第四章 融合标签隐语义的协同过滤算法 | 第50-58页 |
| 4.1 标签数据的表示和隐语义提取 | 第50-51页 |
| 4.1.1 标签的TF-IDF表示 | 第50-51页 |
| 4.1.2 使用LFM提取隐语义 | 第51页 |
| 4.2 隐语义和评分的融合方式 | 第51-52页 |
| 4.2.1 向量扩充方式 | 第51-52页 |
| 4.2.2 相似度线性加权方式 | 第52页 |
| 4.3 模型学习和评分预测 | 第52页 |
| 4.4 实验结果和分析 | 第52-57页 |
| 4.4.1 实验数据 | 第52-53页 |
| 4.4.2 实验对比 | 第53-56页 |
| 4.4.3 算法总结 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 融合标签和评分的文章推荐系统设计 | 第58-74页 |
| 5.1 背景和目的 | 第58-59页 |
| 5.2 文章管理系统的设计 | 第59-67页 |
| 5.2.1 用户模块 | 第59-60页 |
| 5.2.2 文章模块 | 第60-63页 |
| 5.2.3 分类模块 | 第63-64页 |
| 5.2.4 评论模块 | 第64-66页 |
| 5.2.5 统计模块 | 第66-67页 |
| 5.3 融合标签的推荐模块设计 | 第67-72页 |
| 5.3.1 评分假设 | 第67页 |
| 5.3.2 信息搜集 | 第67-69页 |
| 5.3.3 推荐引擎 | 第69-71页 |
| 5.3.4 结果显示 | 第71-72页 |
| 5.4 本章小结 | 第72-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 全文总结 | 第74页 |
| 6.2 研究展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-82页 |
| 作者简介 | 第82-83页 |
