摘要 | 第3-5页 |
abstract | 第5-6页 |
第一章 绪论 | 第11-14页 |
1.1 研究背景及意义 | 第11-12页 |
1.2 国内外研究进展状况 | 第12页 |
1.3 论文的主要内容 | 第12-13页 |
1.4 论文的组织结构 | 第13-14页 |
第二章 相关知识和关键技术介绍 | 第14-22页 |
2.1 个性化推荐系统 | 第14-15页 |
2.2 基本的推荐算法 | 第15-18页 |
2.2.1 基于内容的推荐算法 | 第15-16页 |
2.2.2 协同过滤推荐算法 | 第16-17页 |
2.2.3 基于内容的协同过滤推荐算法 | 第17页 |
2.2.4 基于模型的协同过滤推荐算法 | 第17-18页 |
2.2.5 混合推荐算法 | 第18页 |
2.3 slopeone算法基本原理及流程 | 第18-21页 |
2.4 本章小结 | 第21-22页 |
第三章 结合时间序列的项目相似度与用户相似度的计算 | 第22-33页 |
3.1 问题的描述 | 第22-23页 |
3.2 基于项目标签信息的模型—T-LDA | 第23-26页 |
3.2.1 潜在狄利克雷分布模型(LDA) | 第23-24页 |
3.2.2 LDA模型与标签信息的结合 | 第24-25页 |
3.2.3 基于项目的标签信息的LDA模型—T-LDA | 第25-26页 |
3.2.4 项目标签相似度的计算 | 第26页 |
3.3 项目流行度的计算 | 第26-29页 |
3.3.1 用户属性偏好的计算 | 第27-28页 |
3.3.2 项目流行度的计算 | 第28-29页 |
3.3.3 项目流行形相似度的计算 | 第29页 |
3.4 用户信任度计算 | 第29-31页 |
3.4.1 用户之间的信任关系 | 第29页 |
3.4.2 用户间的直接信任 | 第29-30页 |
3.4.3 用户间的间接信任 | 第30-31页 |
3.4.4 综合直接信任与间接信任的用户信任度的计算 | 第31页 |
3.5 时间因素的影响 | 第31-32页 |
3.5.1 问题的描述 | 第31页 |
3.5.2 时间对用户的影响的计算 | 第31-32页 |
3.6 本章小结 | 第32-33页 |
第四章 结合用户兴趣的W-slopeone算法的计算过程 | 第33-38页 |
4.1 融合项目标签信息与项目流行度的P-LDA主题模型 | 第33页 |
4.2 融合用户的好友信任关系和时间因素对用户的影响 | 第33-34页 |
4.3 基于slopeone算法的协同过滤推荐算法的生成 | 第34-37页 |
4.3.1 算法介绍 | 第34-35页 |
4.3.2 W-slopeone算法步骤 | 第35-37页 |
4.4 本章小结 | 第37-38页 |
第五章 实验与分析 | 第38-45页 |
5.1 实验数据集 | 第38-39页 |
5.2 实验评价指标和对比实验模型的选取 | 第39-40页 |
5.2.1 实验评价指标的选取 | 第39页 |
5.2.2 对比实验模型的选取 | 第39-40页 |
5.3 实验结果与分析 | 第40-44页 |
5.3.1 参数的设置 | 第40页 |
5.3.2 参数α和对算法的影响 | 第40-41页 |
5.3.3 参数β对算法的影响 | 第41-42页 |
5.3.4 对比实验 | 第42-44页 |
5.4 实验总结 | 第44-45页 |
第六章 总结与展望 | 第45-47页 |
6.1 工作总结 | 第45-46页 |
6.2 工作展望 | 第46-47页 |
参考文献 | 第47-51页 |
致谢 | 第51-52页 |
攻读硕士期间发表的学术论文 | 第52页 |