首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

结合用户兴趣的矩阵填充算法研究

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

论文共52页,点击 下载论文
上一篇:基于联合模型的行人检测研究
下一篇:重叠社团的划分算法及其节点影响力的研究