社会网络中基于用户评分数据的协同推荐研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文研究内容 | 第11-12页 |
| 1.4 本文组织结构 | 第12-14页 |
| 第二章 相关理论与技术 | 第14-20页 |
| 2.1 主要的推荐方法 | 第14-16页 |
| 2.2 推荐系统评估 | 第16-17页 |
| 2.3 常用数据集 | 第17-20页 |
| 第三章 协同推荐中改进的相似度计算方法 | 第20-30页 |
| 3.1 协同推荐中的相似度计算 | 第20-24页 |
| 3.1.1 协同推荐概述 | 第20-21页 |
| 3.1.2 传统的相似度计算方法 | 第21-24页 |
| 3.2 改进的相似度计算方法 | 第24-26页 |
| 3.3 实验分析与结论 | 第26-28页 |
| 3.3.1 数据集和实验方法 | 第26-27页 |
| 3.3.2 实验结果 | 第27页 |
| 3.3.3 实验分析与结论 | 第27-28页 |
| 3.4 本章小结 | 第28-30页 |
| 第四章 基于未知评分推测改进协同推荐方法 | 第30-44页 |
| 4.1 数据稀疏性对推荐算法的影响 | 第30-32页 |
| 4.1.1 数据稀疏性问题 | 第30-31页 |
| 4.1.2 数据稀疏性对协同推荐方法的影响 | 第31-32页 |
| 4.2 利用未知评分推测缓解数据稀疏性 | 第32-35页 |
| 4.2.1 标签系统 | 第33-34页 |
| 4.2.2 利用物品标签预测未知评分 | 第34-35页 |
| 4.3 基于物品标签进行未知评分预测的实现过程 | 第35-39页 |
| 4.3.1 Mahout、Taste简介 | 第35-37页 |
| 4.3.2 基于Taste的算法实现过程 | 第37-39页 |
| 4.4 实验分析与结论 | 第39-42页 |
| 4.4.1 数据集与实验方法 | 第39-40页 |
| 4.4.2 实验结果评估 | 第40-41页 |
| 4.4.3 实验结果与分析 | 第41-42页 |
| 4.5 本章小结 | 第42-44页 |
| 第五章 总结与展望 | 第44-46页 |
| 5.1 研究总结 | 第44-45页 |
| 5.2 研究展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49-50页 |
| 攻读学位期间参加的项目 | 第50-51页 |
