基于混合模式的音乐个性化推荐分析与研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第8-13页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 国内外发展现状 | 第9-11页 |
| 1.3 本文的研究 | 第11-12页 |
| 1.4 本文结构安排 | 第12页 |
| 1.5 本章小结 | 第12-13页 |
| 2 个性化推荐系统及相关技术 | 第13-25页 |
| 2.1 个性化推荐系统概述 | 第13-14页 |
| 2.2 基于内容的推荐算法 | 第14-16页 |
| 2.3 基于协同过滤的推荐算法 | 第16-20页 |
| 2.3.1 基于用户的协同过滤算法 | 第19-20页 |
| 2.3.2 基于项目的协同过滤算法 | 第20页 |
| 2.4 基于内容和协同过滤的算法对比 | 第20-22页 |
| 2.4.1 基于内容的推荐算法优缺点 | 第20-21页 |
| 2.4.2 基于协同过滤的推荐算法优缺点 | 第21-22页 |
| 2.4.3 两个算法对比分析 | 第22页 |
| 2.5 混合推荐算法 | 第22-23页 |
| 2.6 相关理论知识 | 第23-24页 |
| 2.6.1 填充评分矩阵方法 | 第23页 |
| 2.6.2 TF-IDF算法 | 第23-24页 |
| 2.7 本章小结 | 第24-25页 |
| 3 基于混合模式的推荐算法研究 | 第25-35页 |
| 3.1 主要问题解决的思路 | 第25-26页 |
| 3.1.1 解决稀疏性问题 | 第25页 |
| 3.1.2 解决冷启动问题 | 第25-26页 |
| 3.2 歌曲相似度计算 | 第26-28页 |
| 3.2.1 歌曲项目属性 | 第26-27页 |
| 3.2.2 属性关键词的抽取 | 第27页 |
| 3.2.3 歌曲相似性计算 | 第27-28页 |
| 3.3 改进的用户相似度计算 | 第28-30页 |
| 3.3.1 用户背景信息相似性计算 | 第28-29页 |
| 3.3.2 用户活跃性相似性计算 | 第29-30页 |
| 3.3.3 用户历史评分相似性计算 | 第30页 |
| 3.4 协同过滤推荐模块 | 第30-31页 |
| 3.5 用户聚类 | 第31-32页 |
| 3.6 混合推荐系统原型 | 第32-34页 |
| 3.7 本章小结 | 第34-35页 |
| 4 实验与性能分析 | 第35-42页 |
| 4.1 评价指标 | 第35-36页 |
| 4.2 实验数据 | 第36页 |
| 4.3 相似度计算方法的选取 | 第36-37页 |
| 4.4 算法性能对比分析 | 第37-41页 |
| 4.5 本章小结 | 第41-42页 |
| 5 总结与展望 | 第42-43页 |
| 5.1 总结 | 第42页 |
| 5.2 展望 | 第42-43页 |
| 参考文献 | 第43-45页 |
| 致谢 | 第45页 |
