基于关系和内容的推荐算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-18页 |
| 1.1 研究背景 | 第10-12页 |
| 1.1.1 推荐系统的发展 | 第11页 |
| 1.1.2 推荐系统研究目的 | 第11-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 推荐系统研究需要解决的问题 | 第13-15页 |
| 1.4 论文的主要工作 | 第15-18页 |
| 1.4.1 问题的提出 | 第16-17页 |
| 1.4.2 论文所做工作 | 第17-18页 |
| 2 推荐系统方法 | 第18-25页 |
| 2.1 协同过滤 | 第18-19页 |
| 2.2 基于内容的推荐 | 第19-21页 |
| 2.3 基于网络的推荐 | 第21-23页 |
| 2.4 混合推荐算法 | 第23页 |
| 2.5 相似度算法 | 第23-25页 |
| 2.5.1 皮尔逊相关系数 | 第23-24页 |
| 2.5.2 余弦距离 | 第24-25页 |
| 3 重启随机游走的推荐算法 | 第25-38页 |
| 3.1 二分图的构建 | 第25-26页 |
| 3.2 重启随机游走 | 第26-28页 |
| 3.3 实验结果及结论 | 第28-38页 |
| 3.3.1 数据集 | 第28-29页 |
| 3.3.2 评估方法 | 第29页 |
| 3.3.3 参数设定 | 第29-32页 |
| 3.3.4 算法结果比较 | 第32-37页 |
| 3.3.5 结论 | 第37-38页 |
| 4 逻辑回归推荐算法 | 第38-48页 |
| 4.1 推荐正负样例构建 | 第38-40页 |
| 4.1.1 变量构建 | 第39页 |
| 4.1.2 样例训练集选择 | 第39-40页 |
| 4.2 基于逻辑回归的推荐算法 | 第40-42页 |
| 4.2.1 逻辑回归代价函数及求解 | 第41-42页 |
| 4.3 算法流程 | 第42-43页 |
| 4.4 实验结果及结论 | 第43-48页 |
| 4.4.1 数据集 | 第43页 |
| 4.4.2 评估方法 | 第43-44页 |
| 4.4.3 参数设定 | 第44页 |
| 4.4.4 算法结果比较 | 第44-47页 |
| 4.4.5 结论 | 第47-48页 |
| 5 结论和展望 | 第48-53页 |
| 5.1 研究内容及思想总结 | 第48-50页 |
| 5.1.1 研究内容总结 | 第48-49页 |
| 5.1.2 研究思想总结 | 第49-50页 |
| 5.2 实验结果评价 | 第50页 |
| 5.3 本文创新点 | 第50-51页 |
| 5.4 进一步的研究工作 | 第51-53页 |
| 5.4.1 本文算法可改进的方面 | 第51-52页 |
| 5.4.2 今后的研究工作 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第57-59页 |
| 学位论文数据集 | 第59页 |
