基于用户兴趣偏移的协同过滤推荐算法研究
| 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8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文研究内容 | 第11-13页 |
| 1.4 本文组织和结构 | 第13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 用户兴趣偏移模型相关研究现状 | 第14-28页 |
| 2.1 用户偏移模型 | 第14-21页 |
| 2.1.1 用户兴趣模型简介 | 第14-15页 |
| 2.1.2 兴趣偏移模型处理方法 | 第15-16页 |
| 2.1.3 兴趣偏移的常用模型和问题研究 | 第16-21页 |
| 2.2 聚类算法 | 第21-25页 |
| 2.2.1 聚类算法介绍 | 第22-23页 |
| 2.2.2 聚类的常用算法和问题分析 | 第23-25页 |
| 2.3 时效模型 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 DTDM算法框架 | 第28-40页 |
| 3.1 预备知识 | 第28-30页 |
| 3.1.1 符号含义 | 第28-29页 |
| 3.1.2 数据集准备 | 第29页 |
| 3.1.3 线性估计 | 第29-30页 |
| 3.1.4 伪逆矩阵求解方法 | 第30页 |
| 3.2 物品聚类 | 第30-35页 |
| 3.2.1 聚类类内相似度的优化 | 第31-32页 |
| 3.2.2 类内物品数目不均的优化 | 第32-35页 |
| 3.3 用户近邻选择 | 第35-36页 |
| 3.4 建立时间影响因子矩阵 | 第36页 |
| 3.5 解决最优解问题 | 第36-38页 |
| 3.6 本章小结 | 第38-40页 |
| 第四章 DTDM算法核心和细节分析 | 第40-48页 |
| 4.1 时间影响因子计算公式 | 第40-43页 |
| 4.2 时间衰退函数拟合 | 第43-46页 |
| 4.3 本章小结 | 第46-48页 |
| 第五章 实验设计与结果分析 | 第48-54页 |
| 5.1 评估度量以及测试集说明 | 第48-49页 |
| 5.2 参数调整 | 第49-50页 |
| 5.2.1 k_n调参过程 | 第49-50页 |
| 5.2.2 k_c调参过程 | 第50页 |
| 5.3 与主流算法比较 | 第50-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 研究工作总结 | 第54页 |
| 6.2 研究展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 发表论文和参加科研情况说明 | 第60-62页 |
| 致谢 | 第62页 |
