| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 推荐技术的研究及应用 | 第10-13页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.2.3 推荐技术的应用 | 第12-13页 |
| 1.3 存在的主要问题 | 第13-14页 |
| 1.4 研究内容与方法 | 第14页 |
| 1.5 论文组织 | 第14-16页 |
| 第2章 个性化推荐的相关理论及技术 | 第16-26页 |
| 2.1 社会化标签的标注方式 | 第16-18页 |
| 2.1.1 基于用户的标注 | 第17页 |
| 2.1.2 基于机器的标注 | 第17-18页 |
| 2.2 推荐算法 | 第18-24页 |
| 2.2.1 基于内容的过滤推荐 | 第19-21页 |
| 2.2.2 基于协同的过滤推荐 | 第21-24页 |
| 2.3 推荐技术的评测指标 | 第24-25页 |
| 2.3.1 准确度的评测指标 | 第24页 |
| 2.3.2 多样性的评测指标 | 第24-25页 |
| 2.3.3 覆盖率的评测指标 | 第25页 |
| 2.4 小结 | 第25-26页 |
| 第3章 基于关联规则的社会化标签改进的音乐推荐方法 | 第26-41页 |
| 3.1 关联规则F-Apriori算法 | 第26-30页 |
| 3.1.1 Apriori算法概述 | 第26-27页 |
| 3.1.2 Apriori改进后的F-Apriori算法 | 第27-30页 |
| 3.2 社会化标签的处理 | 第30-33页 |
| 3.2.1 社会化标签的特征 | 第30-31页 |
| 3.2.2 多维对应去除标签噪音 | 第31-33页 |
| 3.3 音乐推荐模型 | 第33-37页 |
| 3.3.1 结合显式和隐式反馈信息 | 第33-34页 |
| 3.3.2 用户行为分析 | 第34-35页 |
| 3.3.3 用户兴趣建模 | 第35-37页 |
| 3.4 评估实验 | 第37-40页 |
| 3.4.1 实验设计 | 第37-38页 |
| 3.4.2 数据分析以及预处理 | 第38页 |
| 3.4.3 评估指标 | 第38-39页 |
| 3.4.4 音乐推荐方法评估与比较 | 第39-40页 |
| 3.5 小结 | 第40-41页 |
| 第4章 社会化标签与物品属性的音乐混合推荐 | 第41-53页 |
| 4.1 物品属性分析 | 第41-42页 |
| 4.1.1 物品属性的描述 | 第41-42页 |
| 4.1.2 物品属性的处理 | 第42页 |
| 4.2 隐含狄利克雷分布 | 第42-45页 |
| 4.2.1 吉布斯采样 | 第44-45页 |
| 4.2.2 并行隐含狄利克雷分布 | 第45页 |
| 4.3 混合音乐推荐方法 | 第45-49页 |
| 4.3.1 物品属性的获取 | 第45-46页 |
| 4.3.2 多标签隐含狄利克雷分布 | 第46-48页 |
| 4.3.3 混合推荐模型 | 第48-49页 |
| 4.4 评估实验 | 第49-52页 |
| 4.4.1 实验设计与实现 | 第49-50页 |
| 4.4.2 评估指标 | 第50-51页 |
| 4.4.3 混合推荐方法评估 | 第51-52页 |
| 4.5 小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 本文工作总结 | 第53-54页 |
| 5.2 未来工作展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 附录 | 第62-63页 |
| 详细摘要 | 第63-65页 |