协同过滤优化算法的研究与实现
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究背景 | 第11-12页 |
| ·本文主要研究内容 | 第12页 |
| ·本文的组织结构 | 第12-15页 |
| 第二章 相关理论与技术 | 第15-31页 |
| ·电子商务推荐系统简介 | 第15-18页 |
| ·电子商务推荐系统的构成 | 第15-17页 |
| ·电子商务推荐系统的作用 | 第17-18页 |
| ·电子商务推荐系统与个性化服务 | 第18页 |
| ·电子商务推荐系统中推荐技术 | 第18-21页 |
| ·协同过滤 | 第19页 |
| ·关联规则 | 第19-20页 |
| ·聚类 | 第20-21页 |
| ·贝叶斯(Beyesian)网络 | 第21页 |
| ·Horting图 | 第21页 |
| ·协同过滤介绍 | 第21-24页 |
| ·协同过滤系统简单描述 | 第21-23页 |
| ·协同过滤技术的分类 | 第23页 |
| ·现有的协同过滤推荐系统 | 第23-24页 |
| ·协同过滤存在问题以及现有解决方法 | 第24-30页 |
| ·协同过滤在应用中存在的问题 | 第24-26页 |
| ·现有的解决办法 | 第26-30页 |
| ·小结 | 第30-31页 |
| 第三章 基于项目协同过滤的类型优化算法 | 第31-41页 |
| ·传统基于项目协同过滤算法 | 第31-33页 |
| ·相似度计算 | 第32页 |
| ·最近邻居 | 第32页 |
| ·产生推荐 | 第32-33页 |
| ·基于项目协同过滤的类型优化算法 | 第33-36页 |
| ·问题的提出 | 第33-34页 |
| ·相关工作 | 第34页 |
| ·项目类型矩阵 | 第34-35页 |
| ·类型优化 | 第35-36页 |
| ·评价标准 | 第36-37页 |
| ·数据集 | 第37页 |
| ·实验与分析 | 第37-40页 |
| ·实验方案 | 第37-38页 |
| ·实验结果 | 第38-40页 |
| ·实验结果分析 | 第40页 |
| ·小结 | 第40-41页 |
| 第四章 基于用户协同过滤的类型优化算法 | 第41-53页 |
| ·传统基于用户协同过滤算法 | 第41-43页 |
| ·相似度计算 | 第42页 |
| ·最近邻居 | 第42-43页 |
| ·产生推荐 | 第43页 |
| ·基于用户协同过滤的类型优化算法 | 第43-46页 |
| ·问题提出 | 第43-44页 |
| ·用户-类型矩阵 | 第44-45页 |
| ·类型优化 | 第45-46页 |
| ·实验与分析 | 第46-50页 |
| ·实验方案 | 第46页 |
| ·实验结果 | 第46-48页 |
| ·实验结果分析 | 第48-50页 |
| ·进一步的构想 | 第50页 |
| ·小结 | 第50-53页 |
| 第五章 改进的基于用户协同过滤算法 | 第53-67页 |
| ·组合推荐 | 第53-55页 |
| ·组合推荐技术 | 第53页 |
| ·基于项目和基于用户协同过滤算法组合推荐 | 第53-55页 |
| ·改进的基于用户协同过滤算法 | 第55-59页 |
| ·算法的提出 | 第55页 |
| ·相关工作 | 第55-56页 |
| ·改进的基于用户的协同过滤算法 | 第56-58页 |
| ·算法分析 | 第58-59页 |
| ·实验与分析 | 第59-64页 |
| ·实验方案 | 第59页 |
| ·实验结果 | 第59-64页 |
| ·实验结果分析 | 第64页 |
| ·小结 | 第64-67页 |
| 第六章 结论与展望 | 第67-69页 |
| ·本文主要内容总结 | 第67页 |
| ·未来工作 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 攻硕期间参加的项目和发表的论文 | 第75页 |
