基于用户兴趣和领域最近邻的混合推荐算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第12-20页 |
| 1.1 推荐系统的研究背景和意义 | 第12-16页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 研究内容和组织结构 | 第18-20页 |
| 1.3.1 本文内容 | 第18-19页 |
| 1.3.2 本文的组织结构 | 第19-20页 |
| 2 推荐系统及其相关技术 | 第20-29页 |
| 2.1 推荐系统的介绍 | 第20-26页 |
| 2.1.1 基于内容推荐 | 第21-23页 |
| 2.1.2 协同过滤推荐 | 第23-25页 |
| 2.1.3 基于关联规则推荐 | 第25页 |
| 2.1.4 组合推荐 | 第25-26页 |
| 2.2 相关技术 | 第26-29页 |
| 2.2.1 信息检索技术 | 第26-27页 |
| 2.2.2 信息过滤技术 | 第27-28页 |
| 2.2.3 数据挖掘技术 | 第28-29页 |
| 3 基于用户兴趣的推荐算法研究 | 第29-38页 |
| 3.1 引入遗忘函数计算用户对商品的兴趣度 | 第29-32页 |
| 3.2 用户对商品属性的兴趣度 | 第32-34页 |
| 3.3 建立用户兴趣矩阵模型 | 第34-35页 |
| 3.3.1 商品-商品属性兴趣度集合 | 第34页 |
| 3.3.2 用户-商品兴趣度集合 | 第34-35页 |
| 3.4 填充用户兴趣矩阵 | 第35-36页 |
| 3.4.1 平均值法 | 第35页 |
| 3.4.2 众数法 | 第35-36页 |
| 3.5 基于用户兴趣度的相似度求取 | 第36-38页 |
| 4 基于领域最近邻的推荐算法研究 | 第38-45页 |
| 4.1 用户的最近邻 | 第38-39页 |
| 4.1.1 基于商品项目评分预测的最近邻寻找 | 第39页 |
| 4.2 用户-项目评分矩阵分析 | 第39-44页 |
| 4.2.1 项目评分交集中的用户的分类 | 第39-41页 |
| 4.2.2 相同属性领域内的最近邻 | 第41-44页 |
| 4.3 推荐生成 | 第44-45页 |
| 5 实验结果与分析 | 第45-52页 |
| 5.1 实验数据集 | 第45-46页 |
| 5.2 评测指标 | 第46页 |
| 5.3 实验结果与分析 | 第46-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 作者简介及读研期间主要科研成果 | 第58页 |
