基于时效性的优先新品的推荐方法
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第7-12页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 本文主要贡献 | 第10页 |
| 1.4 论文的组织结构 | 第10-12页 |
| 2 基础知识概述 | 第12-25页 |
| 2.1 推荐系统 | 第12-16页 |
| 2.1.1 推荐系统分类 | 第12-16页 |
| 2.1.2 混合推荐 | 第16页 |
| 2.2 相似度计算方法 | 第16-18页 |
| 2.3 评分预测算法 | 第18-19页 |
| 2.4 推荐效果评价指标 | 第19-21页 |
| 2.4.1 准确度指标 | 第19-20页 |
| 2.4.2 覆盖率 | 第20-21页 |
| 2.5 冷启动问题 | 第21-24页 |
| 2.5.1 冷启动问题描述 | 第21页 |
| 2.5.2 冷启动解决方法 | 第21-24页 |
| 2.6 本章小结 | 第24-25页 |
| 3 基于时效性的混合相似度计算方法 | 第25-36页 |
| 3.1 考虑时间因子的Pearson相似度 | 第25-27页 |
| 3.2 PIP相似度计算方法 | 第27-32页 |
| 3.3 混合相似度计算方法 | 第32-33页 |
| 3.4 数据标准化 | 第33-35页 |
| 3.4.1 数据标准化及数据标准化常用方法 | 第33-34页 |
| 3.4.2 对PIP三个因子的标准化 | 第34页 |
| 3.4.3 时间权重归一化 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 基于时效性的优先新品推荐方法 | 第36-47页 |
| 4.1 偏向新品推荐的推荐算法 | 第36-38页 |
| 4.1.1 新品偏好度 | 第36-37页 |
| 4.1.2 基于新品偏好度的评分预测 | 第37-38页 |
| 4.2 算法过程描述 | 第38-40页 |
| 4.3 实例演算过程 | 第40-46页 |
| 4.4 本章小结 | 第46-47页 |
| 5 实验 | 第47-53页 |
| 5.1 实验环境 | 第47页 |
| 5.2 实验数据集 | 第47-48页 |
| 5.3 实验方法 | 第48-52页 |
| 5.3.1 新品推荐率 | 第48-49页 |
| 5.3.2 推荐准确度 | 第49-52页 |
| 5.4 本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| 6.1 研究工作总结 | 第53页 |
| 6.2 研究展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
