混合协同过滤推荐算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.3 本文的研究内容 | 第14页 |
| 1.4 本文的组织结构 | 第14-17页 |
| 第2章 推荐算法关键技术 | 第17-31页 |
| 2.1 协同过滤推荐算法 | 第17-25页 |
| 2.1.1 协同过滤推荐算法的分类 | 第17-18页 |
| 2.1.2 常用的协同过滤算法 | 第18-23页 |
| 2.1.3 传统的相似度度量算法 | 第23-25页 |
| 2.2 基于内容的推荐算法 | 第25-28页 |
| 2.3 混合推荐算法 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 融入用户行为与项目特性的协同过滤算法研究 | 第31-51页 |
| 3.1 问题分析 | 第31-39页 |
| 3.1.1 用户行为分析 | 第31-35页 |
| 3.1.2 项目特性分析 | 第35-39页 |
| 3.2 相似度算法改进 | 第39-43页 |
| 3.2.1 基于用户评分尺度的改进策略 | 第39-41页 |
| 3.2.2 混合相似度的改进策略 | 第41-43页 |
| 3.3 推荐策略及算法流程 | 第43-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第4章 基于用户和项目的混合协同过滤算法研究 | 第51-61页 |
| 4.1 问题分析 | 第51-52页 |
| 4.2 融入相似度的混合推荐算法 | 第52-55页 |
| 4.3 融入影响力的混合推荐算法 | 第55-59页 |
| 4.3.1 影响力因子的构建 | 第55-56页 |
| 4.3.2 推荐策略及算法流程 | 第56-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第5章 实验设计与分析 | 第61-73页 |
| 5.1 实验软硬件环境 | 第61页 |
| 5.2 实验数据集 | 第61-62页 |
| 5.3 评价指标 | 第62-64页 |
| 5.3.1 准确度 | 第62-63页 |
| 5.3.2 Top-N推荐 | 第63-64页 |
| 5.4 实验结果及分析 | 第64-71页 |
| 5.5 本章小结 | 第71-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间取得的研究成果 | 第79-81页 |
| 致谢 | 第81页 |
