基于社会化标签的混合推荐方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文研究内容及组织结构 | 第12-14页 |
| 1.3.1 本文研究内容 | 第12-13页 |
| 1.3.2 本文组织结构 | 第13-14页 |
| 第2章 个性化推荐算法概述 | 第14-24页 |
| 2.1 基本推荐算法介绍 | 第14-17页 |
| 2.1.1 协同过滤推荐算法 | 第15-16页 |
| 2.1.2 基于内容的推荐算法 | 第16-17页 |
| 2.1.3 混合推荐算法 | 第17页 |
| 2.2 社会化标签 | 第17-21页 |
| 2.2.1 社会化标签的内涵 | 第18-19页 |
| 2.2.2 基于社会化标签的个性化推荐 | 第19-21页 |
| 2.3 推荐系统评价标准 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于标签-物品二部图的推荐算法 | 第24-35页 |
| 3.1 基于图的模型 | 第24-25页 |
| 3.2 基于图的推荐算法 | 第25-26页 |
| 3.3 标签-物品扩散法TID | 第26-29页 |
| 3.4 加权的WTID推荐算法 | 第29-34页 |
| 3.4.1 WTID推荐算法概述 | 第29页 |
| 3.4.2 朴素贝叶斯分类器 | 第29-32页 |
| 3.4.3 WTID推荐算法 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 WTID-协同串联推荐模型 | 第35-41页 |
| 4.1 模型系统结构 | 第35-36页 |
| 4.2 算法主要步骤 | 第36-40页 |
| 4.2.1 基于用户的协同过滤算法 | 第38页 |
| 4.2.2 基于标签的用户协同过滤算法 | 第38-40页 |
| 4.3 本章小结 | 第40-41页 |
| 第5章 实验与分析 | 第41-50页 |
| 5.1 基于MovieLens数据集的实验分析 | 第41-48页 |
| 5.1.1 实验数据规模 | 第41页 |
| 5.1.2 实验方案 | 第41-42页 |
| 5.1.3 实验结果以及说明 | 第42-48页 |
| 5.2 研讨系统对混合推荐的应用分析 | 第48-49页 |
| 5.2.1 应用分析 | 第48页 |
| 5.2.2 实例分析 | 第48-49页 |
| 5.3 本章小结 | 第49-50页 |
| 第6章 总结与展望 | 第50-52页 |
| 6.1 总结 | 第50-51页 |
| 6.2 展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 附录 | 第57页 |
