基于信息熵和推土机距离的协同过滤算法改进研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-30页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-26页 |
| 1.2.1 基于内容的推荐算法研究现状 | 第14-15页 |
| 1.2.2 协同过滤算法研究现状 | 第15-22页 |
| 1.2.3 基于人口统计学的推荐算法研究现状 | 第22-23页 |
| 1.2.4 基于知识的推荐算法研究现状 | 第23-24页 |
| 1.2.5 基于社区的推荐算法研究现状 | 第24-25页 |
| 1.2.6 混合推荐算法的研究现状 | 第25-26页 |
| 1.3 研究内容及主要工作 | 第26-27页 |
| 1.4 论文结构安排 | 第27-30页 |
| 第二章 相关技术及理论 | 第30-42页 |
| 2.1 协同过滤算法 | 第30页 |
| 2.2 常见相似度度量 | 第30-38页 |
| 2.3 基于图的方法 | 第38-41页 |
| 2.4 本章小结 | 第41-42页 |
| 第三章 基于信息熵和偏度的相似度算法 | 第42-56页 |
| 3.1 引言 | 第42页 |
| 3.2 传统相似度算法存在的问题 | 第42-46页 |
| 3.2.1 相似度算法问题分析 | 第42-44页 |
| 3.2.2 问题的改进 | 第44-46页 |
| 3.3 基于信息熵改进的NHSM相似度算法 | 第46-50页 |
| 3.3.1 算法分析 | 第46-48页 |
| 3.3.2 算法流程 | 第48-50页 |
| 3.4 基于偏度值改进的NHSM相似度算法 | 第50-53页 |
| 3.4.1 算法分析 | 第50-51页 |
| 3.4.2 算法流程 | 第51-53页 |
| 3.5 基于信息熵和偏度值改进的NHSM算法 | 第53-55页 |
| 3.5.1 算法流程 | 第53-54页 |
| 3.5.2 时间复杂度分析 | 第54-55页 |
| 3.6 本章小结 | 第55-56页 |
| 第四章 基于EMD的相似度算法 | 第56-65页 |
| 4.1 引言 | 第56页 |
| 4.2 BCF算法 | 第56-60页 |
| 4.2.1 BCF算法描述 | 第56-58页 |
| 4.2.2 BCF算法问题分析 | 第58-60页 |
| 4.3 推土机距离 | 第60-61页 |
| 4.4 算法流程 | 第61-63页 |
| 4.5 时间复杂度分析 | 第63页 |
| 4.6 本章小结 | 第63-65页 |
| 第五章 基于非对称拉普拉斯建模改进的协同过滤 | 第65-70页 |
| 5.1 引言 | 第65页 |
| 5.2 问题分析和改进 | 第65-67页 |
| 5.3 算法流程 | 第67-68页 |
| 5.4 时间复杂度分析 | 第68-69页 |
| 5.5 本章小结 | 第69-70页 |
| 第六章 一种融合多相似度的投票机制 | 第70-75页 |
| 6.1 引言 | 第70页 |
| 6.2 投票机制 | 第70-73页 |
| 6.3 投票实例 | 第73-74页 |
| 6.4 时间复杂度分析 | 第74页 |
| 6.5 本章小结 | 第74-75页 |
| 第七章 实验与结果分析 | 第75-89页 |
| 7.1 数据集与实验环境 | 第75-76页 |
| 7.1.1 MovieLens数据集 | 第75页 |
| 7.1.2 实验环境 | 第75-76页 |
| 7.2 实验评价指标 | 第76页 |
| 7.3 实验方案与结果分析 | 第76-88页 |
| 7.3.1 INSMES算法分析 | 第76-81页 |
| 7.3.2 ISAE算法分析 | 第81-83页 |
| 7.3.3 CFALD算法分析 | 第83-86页 |
| 7.3.4 VMMM算法分析 | 第86-88页 |
| 7.4 本章小结 | 第88-89页 |
| 总结和展望 | 第89-92页 |
| 参考文献 | 第92-101页 |
| 攻读硕士学位期间取得的研究成果 | 第101-102页 |
| 致谢 | 第102-103页 |
| 附件 | 第103页 |
