基于上下文建模的协同过滤算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题研究背景 | 第8-9页 |
| 1.2 课题研究现状 | 第9-10页 |
| 1.3 课题研究目的和意义 | 第10页 |
| 1.4 文章的组织安排 | 第10-12页 |
| 第二章 个性化推荐以及上下文感知的介绍 | 第12-23页 |
| 2.1 协同过滤推荐 | 第12-18页 |
| 2.1.1 相似度 | 第13-15页 |
| 2.1.2 基于用户的协同过滤 | 第15-16页 |
| 2.1.3 基于项目的协同过滤 | 第16-17页 |
| 2.1.4 User CF和Item CF比较 | 第17-18页 |
| 2.2 基于内容的推荐 | 第18-19页 |
| 2.3 混合推荐 | 第19-20页 |
| 2.4 上下文感知推荐 | 第20-22页 |
| 2.4.1 上下文的获取 | 第20-21页 |
| 2.4.2 上下文分类 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 K-means聚类的应用 | 第23-29页 |
| 3.1 聚类概述 | 第23页 |
| 3.2 聚类中常用计算距离的方法 | 第23-24页 |
| 3.3 K-means算法 | 第24-26页 |
| 3.4 项目聚类 | 第26-27页 |
| 3.5 用户聚类 | 第27-28页 |
| 3.6 本章小结 | 第28-29页 |
| 第四章 上下文建模改进算法 | 第29-35页 |
| 4.1 贝叶斯模型 | 第29-32页 |
| 4.1.1 贝叶斯定理 | 第30页 |
| 4.1.2 计算上下文条件概率 | 第30-32页 |
| 4.2 改进协同过滤算法 | 第32-33页 |
| 4.3 评分预测 | 第33-34页 |
| 4.4 本章小结 | 第34-35页 |
| 第五章 离线实验 | 第35-42页 |
| 5.1 实验环境 | 第35页 |
| 5.2 实验数据 | 第35-36页 |
| 5.3 评估指标 | 第36-37页 |
| 5.4 实验结果分析 | 第37-41页 |
| 5.5 本章小结 | 第41-42页 |
| 第六章 总结和展望 | 第42-44页 |
| 6.1 工作总结 | 第42页 |
| 6.2 研究展望 | 第42-44页 |
| 参考文献 | 第44-48页 |
| 致谢 | 第48-49页 |
