摘要 | 第4-5页 |
Abstract | 第5-6页 |
1 引言 | 第9-20页 |
1.1 选题背景及研究意义 | 第9-13页 |
1.1.1 选题背景 | 第9-12页 |
1.1.2 研究意义 | 第12-13页 |
1.2 研究综述 | 第13-17页 |
1.2.1 协同过滤算法研究综述 | 第13-15页 |
1.2.2 用户兴趣建模研究综述 | 第15-17页 |
1.3 本文的研究内容和组织结构 | 第17-19页 |
1.3.1 研究内容 | 第17-18页 |
1.3.2 组织结构 | 第18-19页 |
1.4 本文的创新点 | 第19-20页 |
2 协同过滤算法相关理论介绍 | 第20-27页 |
2.1 基于用户的协同过滤算法 | 第20-23页 |
2.1.1 发现相似用户 | 第21-22页 |
2.1.2 提供推荐的物品 | 第22-23页 |
2.2 基于项目的协同过滤算法 | 第23页 |
2.3 推荐系统评价指标 | 第23-25页 |
2.4 协同过滤算法的不足 | 第25-26页 |
2.5 本章小结 | 第26-27页 |
3 基于用户综合兴趣改进的协同过滤推荐算法 | 第27-53页 |
3.1 用户兴趣的分类与描述 | 第27-30页 |
3.1.1 用户客观兴趣模型 | 第28-29页 |
3.1.2 用户主观兴趣模型 | 第29页 |
3.1.3 用户综合兴趣模型 | 第29-30页 |
3.2 基于用户客观兴趣改进的协同过滤推荐算法 | 第30-38页 |
3.2.1 模糊C均值聚类 | 第30-33页 |
3.2.2 客观兴趣和客观兴趣度的定义 | 第33页 |
3.2.3 基于用户客观兴趣改进的协同过滤推荐算法OICF | 第33-35页 |
3.2.4 实验与结果分析 | 第35-38页 |
3.3 基于用户主观兴趣改进的协同过滤推荐算法 | 第38-45页 |
3.3.1 主观兴趣与主观兴趣度 | 第39-41页 |
3.3.2 基于用户主观兴趣改进的协同过滤推荐算法SICF | 第41-43页 |
3.3.3 实验与结果分析 | 第43-45页 |
3.4 基于用户综合兴趣改进的协同过滤推荐算法 | 第45-52页 |
3.4.1 基于综合兴趣推荐的优势 | 第46页 |
3.4.2 基于用户综合兴趣改进的协同过滤推荐算法UICF | 第46-48页 |
3.4.3 实验与结果分析 | 第48-52页 |
3.5 本章小结 | 第52-53页 |
4 基于用户综合兴趣改进的协同过滤推荐算法的进一步验证 | 第53-68页 |
4.1 数据挖掘的过程模型 | 第53-54页 |
4.2 基于用户综合兴趣改进的协同过滤推荐算法的进一步验证 | 第54-66页 |
4.2.1 数据集的来源与描述 | 第54-55页 |
4.2.2 数据预处理 | 第55-60页 |
4.2.3 实验与结果分析 | 第60-66页 |
4.3 本章小结 | 第66-68页 |
5 总结与展望 | 第68-70页 |
5.1 研究工作总结 | 第68-69页 |
5.2 未来工作展望 | 第69-70页 |
参考文献 | 第70-75页 |
附录1传统算法程序代码 | 第75-79页 |
附录2改进算法程序代码 | 第79-92页 |
致谢 | 第92-93页 |
攻读硕士学位期间发表的论文及科研情况 | 第93页 |