一种改进的协同过滤推荐方法及其在美食领域的应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 课题研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 个性化推荐的研究现状 | 第14-16页 |
| 1.2.2 美食推荐算法研究现状 | 第16-17页 |
| 1.3 本文研究内容 | 第17-18页 |
| 1.4 论文组织结构 | 第18-19页 |
| 第2章 相关技术原理 | 第19-28页 |
| 2.1 协同过滤推荐技术 | 第20-24页 |
| 2.1.1 基于用户的推荐算法 | 第21-22页 |
| 2.1.2 基于项目的协同过滤算法 | 第22-23页 |
| 2.1.3 基于模型的协同过滤算法 | 第23页 |
| 2.1.4 协同过滤算法中存在的问题 | 第23-24页 |
| 2.2 基于内容的推荐算法 | 第24-25页 |
| 2.3 基于规则的推荐算法 | 第25-26页 |
| 2.4 混合推荐算法 | 第26-27页 |
| 2.5 几种常见推荐算法的对比 | 第27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 结合项目属性的相似度算法 | 第28-36页 |
| 3.1 传统项目相似度算法介绍 | 第29-31页 |
| 3.1.1 Jaccard相似度算法 | 第29页 |
| 3.1.2 余弦相似度算法 | 第29-31页 |
| 3.1.3 传统的项目相似度计算原理及其局限性 | 第31页 |
| 3.2 结合项目属性的项目相似度算法的提出 | 第31-32页 |
| 3.3 项目属性的处理与相似性计算 | 第32-35页 |
| 3.3.1 项目属性的选取 | 第32-33页 |
| 3.3.2 项目属性的分类处理 | 第33-34页 |
| 3.3.3 属性相似度计算 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于项目的协同过滤改进算法 | 第36-45页 |
| 4.1 基于项目的协同过滤算法概述 | 第36-37页 |
| 4.2 改进的协同过滤推荐系统 | 第37-44页 |
| 4.2.1 对数据集的处理 | 第37页 |
| 4.2.2 改进的项目相似度算法 | 第37-40页 |
| 4.2.3 项目最近邻的确定 | 第40-43页 |
| 4.2.4 预测项目评分 | 第43页 |
| 4.2.5 产生推荐结果 | 第43页 |
| 4.2.6 整个推荐过程 | 第43-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第五章 实验设计与结果分析 | 第45-57页 |
| 5.1 实验数据集与实验环境 | 第45-47页 |
| 5.2 系统介绍 | 第47页 |
| 5.3 实验评价标准 | 第47-48页 |
| 5.4 实验步骤 | 第48-50页 |
| 5.4.1 实验数据处理 | 第48-50页 |
| 5.4.2 项目相似度计算 | 第50页 |
| 5.4.3 确定项目的K个最近邻 | 第50页 |
| 5.4.4 预测评分 | 第50页 |
| 5.5 实验结果与分析 | 第50-56页 |
| 5.6 本章小结 | 第56-57页 |
| 总结 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61页 |
