基于混合算法的个性化推荐系统
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文主要内容 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 第二章 相关技术研究 | 第14-25页 |
| 2.1 文本处理相关技术 | 第14-18页 |
| 2.1.1 word2vec词向量模型 | 第14-16页 |
| 2.1.2 k-means聚类算法 | 第16-18页 |
| 2.2 推荐系统相关技术 | 第18-24页 |
| 2.2.1 基于关联规则的推荐技术 | 第18-19页 |
| 2.2.2 基于内容的推荐技术 | 第19页 |
| 2.2.3 协同过滤推荐技术 | 第19-22页 |
| 2.2.4 FM模型 | 第22-23页 |
| 2.2.5 常见的混合思路 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 混合算法的设计与实现 | 第25-37页 |
| 3.1 设计可行性分析 | 第25页 |
| 3.2 基于标签加权的协同过滤算法 | 第25-30页 |
| 3.2.1 用户标签向量的生成 | 第27-28页 |
| 3.2.2 用户相似度的计算 | 第28-29页 |
| 3.2.3 生成推荐物品 | 第29-30页 |
| 3.3 基于FFM模型的推荐算法 | 第30-35页 |
| 3.3.1 FFM原理 | 第31-32页 |
| 3.3.2 FFM的目标函数 | 第32-34页 |
| 3.3.3 目标函数的优化 | 第34-35页 |
| 3.4 后混合的设计 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 实验设计和结果分析 | 第37-56页 |
| 4.1 实验数据和评价指标 | 第37-42页 |
| 4.1.1 收集数据 | 第37-40页 |
| 4.1.2 数据预处理 | 第40-42页 |
| 4.1.3 评价指标 | 第42页 |
| 4.2 基于标签加权协同过滤算法的实验 | 第42-45页 |
| 4.3 FFM模型的参数训练和实验结果 | 第45-50页 |
| 4.4 混合算法的系数确定及实验结果 | 第50-55页 |
| 4.4.1 基于用户活跃度的β值公式推导 | 第50-53页 |
| 4.4.2 混合算法性能分析 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 个性化图书推荐系统 | 第56-66页 |
| 5.1 系统总体设计 | 第56-59页 |
| 5.1.1 推荐业务逻辑 | 第57-58页 |
| 5.1.2 数据库表设计 | 第58-59页 |
| 5.2 系统功能模块 | 第59-65页 |
| 5.2.1 用户模块 | 第59-62页 |
| 5.2.2 离线计算模块 | 第62页 |
| 5.2.3 推荐引擎模块 | 第62-63页 |
| 5.2.4 管理模块 | 第63-64页 |
| 5.2.5 展示模块 | 第64-65页 |
| 5.3 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 未来工作 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73页 |
