一种基于情境聚类的协同过滤算法的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 个性化推荐的研究现状 | 第13-14页 |
| 1.2.2 协同过滤算法研究现状 | 第14页 |
| 1.2.3 基于情境感知的推荐方法研究现状 | 第14-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第2章 相关技术综述 | 第18-33页 |
| 2.1 个性化推荐技术 | 第18-26页 |
| 2.1.1 个性化推荐系统概述 | 第18-19页 |
| 2.1.2 基于内容的推荐算法 | 第19-20页 |
| 2.1.3 基于关联规则的推荐算法 | 第20-21页 |
| 2.1.4 基于协同过滤的推荐算法 | 第21-24页 |
| 2.1.5 混合推荐算法 | 第24-26页 |
| 2.2 主要聚类技术 | 第26-29页 |
| 2.2.1 基于划分的聚类 | 第26-27页 |
| 2.2.2 基于层次的聚类 | 第27-28页 |
| 2.2.3 基于密度的聚类 | 第28页 |
| 2.2.4 基于模型的聚类 | 第28页 |
| 2.2.5 基于网格的聚类 | 第28页 |
| 2.2.6 模糊聚类 | 第28-29页 |
| 2.3 情景感知推荐技术 | 第29-32页 |
| 2.3.1 情境 | 第29页 |
| 2.3.2 情境感知 | 第29-31页 |
| 2.3.3 基于情境感知的推荐 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 基于情境的聚类方法 | 第33-42页 |
| 3.1 情境矩阵的建立 | 第33-35页 |
| 3.2 情境属性的相异度计算 | 第35-38页 |
| 3.3 改进的FCM算法 | 第38-40页 |
| 3.3.1 模糊集概述 | 第38页 |
| 3.3.2 FCM算法 | 第38-40页 |
| 3.3.3 FCM算法的优化 | 第40页 |
| 3.4 基于情境的聚类方法 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于情境聚类的协同过滤算法 | 第42-53页 |
| 4.1 改进的用户相似度计算 | 第42-46页 |
| 4.1.1 相似度算法概述 | 第42-43页 |
| 4.1.2 用户评分尺度 | 第43-45页 |
| 4.1.3 平衡因子 | 第45-46页 |
| 4.1.4 改进的用户相似度算法 | 第46页 |
| 4.2 基于情境聚类和改进相似度的协同过滤算法 | 第46-52页 |
| 4.2.1 算法设计 | 第46-47页 |
| 4.2.2 实验数据与环境 | 第47-49页 |
| 4.2.3 评估指标 | 第49-50页 |
| 4.2.4 实验分析 | 第50-51页 |
| 4.2.5 结论 | 第51-52页 |
| 4.3 本章小结 | 第52-53页 |
| 总结 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58页 |
