基于谱聚类SM算法的协同过滤推荐算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第7-11页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.2 研究现状 | 第9页 |
| 1.3 发展趋势 | 第9-10页 |
| 1.4 论文结构及内容安排 | 第10-11页 |
| 2 个性化推荐算法 | 第11-21页 |
| 2.1 相似度比较 | 第11-13页 |
| 2.1.1 余弦相似度 | 第11-12页 |
| 2.1.2 Jaccard系数 | 第12页 |
| 2.1.3 pearson相关系数 | 第12-13页 |
| 2.2 推荐算法 | 第13-15页 |
| 2.2.1 基于内容的推荐算法 | 第13-14页 |
| 2.2.2 基于内容推荐算法的总结 | 第14-15页 |
| 2.3 协同过滤推荐算法 | 第15-19页 |
| 2.3.1 基于用户的协同过滤 | 第16-19页 |
| 2.3.2 基于项目的协同过滤 | 第19页 |
| 2.4 其他相关推荐算法 | 第19-20页 |
| 2.5 小结 | 第20-21页 |
| 3 谱聚类算法分析 | 第21-28页 |
| 3.1 谱聚类算法 | 第21-22页 |
| 3.1.1 算法概述 | 第21-22页 |
| 3.1.2 谱聚类算法研究现状 | 第22页 |
| 3.2 基本理论 | 第22-25页 |
| 3.2.1 谱聚类算法图划分准则 | 第22-24页 |
| 3.2.2 谱聚类矩阵及Fiedler向量 | 第24-25页 |
| 3.3 谱聚类常用实现算法 | 第25-28页 |
| 3.3.1 谱聚类实现算法简介 | 第25-26页 |
| 3.3.2 谱聚类实现算法的优缺点 | 第26-28页 |
| 4 基于谱聚类SM算法的协同过滤算法 | 第28-35页 |
| 4.1 协同过滤算法的问题 | 第28-29页 |
| 4.2 基于用户谱聚类SM算法的协同过滤算法 | 第29-33页 |
| 4.2.1 基于用户-项目评分的邻接矩阵 | 第30-31页 |
| 4.2.2 基于用户的谱聚类算法 | 第31-32页 |
| 4.2.3 寻找最近邻及类别程度所属矩阵 | 第32-33页 |
| 4.2.4 用户最近邻的形成 | 第33页 |
| 4.3 算法解决的问题 | 第33-35页 |
| 5 实验设计与分析 | 第35-41页 |
| 5.1 实验环境和数据 | 第35-36页 |
| 5.2 实验评测指标 | 第36-37页 |
| 5.2.1 推荐精确度 | 第36页 |
| 5.2.2 聚类轮廓系数 | 第36-37页 |
| 5.2.3 推荐多样性 | 第37页 |
| 5.3 实验评估 | 第37-41页 |
| 5.3.1 聚类个数k | 第37-38页 |
| 5.3.2 实验MAE比较 | 第38-41页 |
| 6 总结与展望 | 第41-43页 |
| 参考文献 | 第43-46页 |
| 致谢 | 第46页 |
