基于进化计算理论的主题与地理感知推荐算法
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-17页 |
| 第一章 绪论 | 第17-21页 |
| 1.1 引言 | 第17页 |
| 1.2 研究背景与现状 | 第17-18页 |
| 1.3 论文的主要工作和结构安排 | 第18-21页 |
| 第二章 理论基础 | 第21-33页 |
| 2.1 推荐系统分类 | 第21-26页 |
| 2.1.2 基于内存的CF算法 | 第22-24页 |
| 2.1.3 基于模型的CF算法 | 第24-26页 |
| 2.2 基于进化计算的最优化理论 | 第26-31页 |
| 2.2.1 数值优化问题 | 第26-28页 |
| 2.2.2 基于进化计算理论的优化方法 | 第28-31页 |
| 2.3 本章小结 | 第31-33页 |
| 第三章 基于非支配排序遗传算法的地理感知推荐 | 第33-51页 |
| 3.1 算法流程与步骤 | 第34页 |
| 3.2 目标函数 | 第34-37页 |
| 3.3 编码方式 | 第37-38页 |
| 3.4 基本算子 | 第38-40页 |
| 3.4.1 选择算子 | 第38页 |
| 3.4.2 交叉算子 | 第38-39页 |
| 3.4.3 变异算子 | 第39-40页 |
| 3.5 实验结果与分析 | 第40-50页 |
| 3.5.1 数据集 | 第41-42页 |
| 3.5.2 对比算法 | 第42页 |
| 3.5.3 评价标准 | 第42-43页 |
| 3.5.4 参数设置 | 第43-44页 |
| 3.5.5 Pareto平面 | 第44-45页 |
| 3.5.6 推荐效果 | 第45-47页 |
| 3.5.7 数据稀疏问题测试 | 第47-49页 |
| 3.5.8 冷启动测试 | 第49-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第四章 基于文化基因算法的地理与主题感知推荐 | 第51-73页 |
| 4.1 算法流程与步骤 | 第52-53页 |
| 4.2 主题分布 | 第53-55页 |
| 4.2.1 基于评分的主题分布 | 第53页 |
| 4.2.2 基于标签的主题分布 | 第53-55页 |
| 4.2.3 相似度度量 | 第55页 |
| 4.3 基于Memetic算法的聚类方法 | 第55-63页 |
| 4.3.1 编码方式 | 第55-56页 |
| 4.3.2 适应度函数 | 第56-57页 |
| 4.3.3 基本算子 | 第57-61页 |
| 4.3.4 局部搜索 | 第61-63页 |
| 4.3.5 精英策略 | 第63页 |
| 4.4 预测与推荐 | 第63-64页 |
| 4.5 实验结果与分析 | 第64-72页 |
| 4.5.1 数据集 | 第64页 |
| 4.5.2 对比算法 | 第64-65页 |
| 4.5.3 评价标准 | 第65页 |
| 4.5.4 参数设置 | 第65页 |
| 4.5.5 推荐效果 | 第65-69页 |
| 4.5.6 数据稀疏问题测试 | 第69-70页 |
| 4.5.7 冷启动测试 | 第70-71页 |
| 4.5.8 聚类个数影响 | 第71-72页 |
| 4.6 本章小结 | 第72-73页 |
| 第五章 成果及展望 | 第73-75页 |
| 5.1 论文的主要工作及成果 | 第73-74页 |
| 5.2 未来工作展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
| 攻读硕士学位期间的研究成果 | 第80-81页 |
