首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

网络资源个性化推荐技术研究及应用

摘要第1-4页
Abstract第4-9页
第一章 绪论第9-15页
   ·研究背景及意义第9-10页
   ·国内外现状及存在问题第10-13页
     ·国内外研究现状概述第10-12页
     ·主要存在问题第12-13页
   ·本文主要内容及结构第13-15页
     ·主要内容第13页
     ·本文组织结构第13-15页
第二章 个性化推荐关键技术的研究第15-39页
   ·个性化推荐系统相关理论第15-23页
     ·推荐系统的概述第15-16页
     ·推荐系统的体系结构第16-17页
     ·各种推荐系统研究第17-21页
     ·推荐算法的优缺点及现有的解决办法第21-23页
   ·协同过滤推荐技术研究第23-29页
     ·协同过滤算法的分类第23-24页
     ·算法的表示及邻居形成技术第24-26页
     ·基于用户的协同过滤第26-27页
     ·基于项目的协同过滤第27-29页
   ·个性化推荐系统相关技术探讨第29-37页
     ·日志记录相关研究第29-33页
     ·兴趣模型研究第33-35页
     ·云模型的介绍第35-36页
     ·RSS技术简介第36-37页
   ·本章小结第37-39页
第三章 网络资源个性化推荐系统的研究第39-51页
   ·平台介绍第39-42页
     ·本课题研究目标第39页
     ·本课题功能结构及网络结构第39-42页
   ·网络资源个性化推荐系统的功能及组成第42-43页
   ·网络资源个性化推荐系统的设计第43-48页
     ·设计目标第43-44页
     ·解决的问题第44页
     ·系统总体设计结构第44-45页
     ·系统数据结构第45-48页
   ·系统功能模块的划分第48-49页
   ·系统的工作流程第49页
   ·本章小结第49-51页
第四章 网络资源个性化推荐系统的应用第51-63页
   ·用户兴趣特征提取技术第51-55页
     ·用户兴趣特征提取影响因子概述第51-53页
     ·用户兴趣特征矩阵提取技术的实现第53-55页
   ·改进的协同过滤算法实现第55-59页
     ·相似度计算方法的实现第55-56页
     ·资源主题特征选择技术实现第56-58页
     ·改进的协同过滤推荐算法实现第58-59页
   ·资源推荐方法的实现第59-62页
   ·本章小结第62-63页
第五章 系统测试第63-71页
   ·推荐质量指标第63-64页
     ·常见预测准确性评价标准浅析第63-64页
     ·推荐结果的评价标准第64页
   ·系统测试第64-68页
     ·系统的实际运行环境第64页
     ·测试过程及结果分析第64-68页
   ·本章小结第68-71页
总结与展望第71-73页
 总结第71页
 展望第71-73页
参考文献第73-77页
攻读硕士学位期间取得的学术成果第77-79页
 论文发表情况第77页
 主要项目参与情况第77-79页
致谢第79页

论文共79页,点击 下载论文
上一篇:仿射传播聚类算法在图像检索中的应用研究
下一篇:图像场景拼接扩展算法研究