推荐系统中矩阵稀疏性问题的研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-16页 |
| 1.1 选题背景和意义 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.3 论文研究内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 2 推荐系统及协同过滤算法 | 第16-29页 |
| 2.1 推荐系统 | 第16-19页 |
| 2.1.1 推荐系统构成 | 第16-17页 |
| 2.1.2 推荐系统功能 | 第17-18页 |
| 2.1.3 推荐算法 | 第18-19页 |
| 2.2 协同过滤算法 | 第19-28页 |
| 2.2.1 协同过滤算法分类 | 第20页 |
| 2.2.2 协同过滤算法 | 第20-25页 |
| 2.2.3 评价指标 | 第25-26页 |
| 2.2.4 测试数据集 | 第26-27页 |
| 2.2.5 存在问题 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 3 结合矩阵降维的改进的相似度加强算法 | 第29-58页 |
| 3.1 数据稀疏性问题 | 第29-34页 |
| 3.1.1 理论分析 | 第29-31页 |
| 3.1.2 数值分析 | 第31-33页 |
| 3.1.3 稀疏性对推荐系统性能的影响 | 第33-34页 |
| 3.2 相似度加强概念 | 第34-36页 |
| 3.3 引入矩阵降维 | 第36-41页 |
| 3.3.1 奇异值分解SVD | 第36-38页 |
| 3.3.2 评分矩阵降维 | 第38-41页 |
| 3.4 结合矩阵降维的改进的相似度加强算法 | 第41-47页 |
| 3.4.1 改进的相似度加强模型 | 第42-45页 |
| 3.4.2 初始相似度计算 | 第45页 |
| 3.4.3 算法迭代 | 第45-46页 |
| 3.4.4 混合预测 | 第46-47页 |
| 3.5 数值计算及结果分析 | 第47-57页 |
| 3.5.1 数据集 | 第48-49页 |
| 3.5.2 数据预处理 | 第49-51页 |
| 3.5.3 评价标准 | 第51页 |
| 3.5.4 数值及结果分析 | 第51-57页 |
| 3.6 本章小结 | 第57-58页 |
| 4 引入用户特征的相似度模型 | 第58-68页 |
| 4.1 用户特征的价值 | 第58页 |
| 4.2 用户特征提取 | 第58-64页 |
| 4.2.1 用户数据量化处理 | 第59-61页 |
| 4.2.2 提取用户模型 | 第61-62页 |
| 4.2.3 算法综合流程 | 第62-64页 |
| 4.3 数值计算和结果分析 | 第64-67页 |
| 4.4 本章小结 | 第67-68页 |
| 5 总结与展望 | 第68-70页 |
| 5.1 论文总结 | 第68-69页 |
| 5.2 工作展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第73-75页 |
| 学位论文数据集 | 第75页 |
