基于协同过滤的推荐算法研究及应用
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 研究现状 | 第14-16页 |
| 1.2.1 社会化过滤推荐算法 | 第14-15页 |
| 1.2.2 协同过滤推荐算法 | 第15页 |
| 1.2.3 内容过滤推荐算法 | 第15-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 第2章 推荐系统相关技术 | 第18-29页 |
| 2.1 协同过滤推荐 | 第18-26页 |
| 2.1.1 基于邻域的方法 | 第19-22页 |
| 2.1.2 基于模型的方法 | 第22-26页 |
| 2.2 推荐系统评估标准 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 基于偏好关系隐含相似度的协同过滤推荐算法 | 第29-46页 |
| 3.1 研究背景 | 第29-30页 |
| 3.2 问题形式化描述 | 第30-31页 |
| 3.3 推荐算法框架 | 第31-37页 |
| 3.3.1 基于用户属性分类 | 第31-33页 |
| 3.3.2 用户属性距离计算 | 第33-35页 |
| 3.3.3 用户组划分 | 第35-37页 |
| 3.4 项目-用户组偏好矩阵 | 第37-39页 |
| 3.5 推荐算法CF-ISP | 第39-42页 |
| 3.6 实验结果及分析 | 第42-45页 |
| 3.6.1 数据集 | 第42页 |
| 3.6.2 实验设计 | 第42-43页 |
| 3.6.3 实验结果分析 | 第43-45页 |
| 3.7 本章小结 | 第45-46页 |
| 第4章 融合标签信息的协同过滤推荐算法 | 第46-66页 |
| 4.1 研究背景 | 第46-47页 |
| 4.2 已有工作 | 第47-48页 |
| 4.3 问题形式化描述 | 第48-49页 |
| 4.4 融合标签信息的协同过滤推荐算法 | 第49-52页 |
| 4.4.1 推荐算法框架 | 第49-50页 |
| 4.4.2 算法流程 | 第50-52页 |
| 4.5 融合标签信息的综合相似度模型 | 第52-59页 |
| 4.5.1 评分相似度 | 第53-56页 |
| 4.5.2 标签相似度 | 第56-58页 |
| 4.5.3 综合相似度 | 第58-59页 |
| 4.6 实验设计 | 第59-65页 |
| 4.6.1 数据集 | 第59-60页 |
| 4.6.2 实验方案设计 | 第60-61页 |
| 4.6.3 实验结果分析 | 第61-65页 |
| 4.7 本章小结 | 第65-66页 |
| 第5章 TSRS推荐系统的设计与实现 | 第66-77页 |
| 5.1 系统设计 | 第66-71页 |
| 5.1.1 TSRS系统的架构设计 | 第66-69页 |
| 5.1.2 TSRS系统的数据库设计 | 第69-71页 |
| 5.2 系统实现 | 第71-76页 |
| 5.2.1 开发环境 | 第71-73页 |
| 5.2.2 系统效果展示 | 第73-76页 |
| 5.3 本章小结 | 第76-77页 |
| 第6章 结束语 | 第77-79页 |
| 6.1 主要工作与创新点 | 第77-78页 |
| 6.2 后续研究工作 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 致谢 | 第84-85页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第85页 |
