高可信度的推荐模型选择及其参数性能研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及研究的目的 | 第9-11页 |
| 1.2 课题来源 | 第11页 |
| 1.3 国内外研究现状 | 第11-15页 |
| 1.3.1 推荐算法的国内外研究现状 | 第11-13页 |
| 1.3.2 组合预测的国内外研究现状 | 第13页 |
| 1.3.3 国内外文献研究现状分析 | 第13-15页 |
| 1.4 本文主要研究内容 | 第15-17页 |
| 第2章 理论基础 | 第17-28页 |
| 2.1 引言 | 第17页 |
| 2.2 推荐系统相关算法 | 第17-23页 |
| 2.2.1 基于用户的协同过滤推荐算法 | 第17-19页 |
| 2.2.2 基于物品的协同过滤推荐算法 | 第19页 |
| 2.2.3 奇异值分解的推荐算法 | 第19-22页 |
| 2.2.4 基于内容的推荐算法 | 第22-23页 |
| 2.3 组合预测 | 第23-24页 |
| 2.4 数据集来源及处理 | 第24-26页 |
| 2.5 模型评价指标 | 第26-27页 |
| 2.5.1 MAE和RMSE | 第26-27页 |
| 2.5.2 准确率与召回率 | 第27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 面向推荐算法的融合技术研究 | 第28-44页 |
| 3.1 引言 | 第28页 |
| 3.2 基于内容的推荐算法研究 | 第28-30页 |
| 3.3 融合内容的用户协同过滤研究 | 第30-33页 |
| 3.3.1 融合的过程研究 | 第30-32页 |
| 3.3.2 融合技术的结果分析 | 第32-33页 |
| 3.4 融合内容的物品协同过滤研究 | 第33-36页 |
| 3.4.1 融合的过程研究 | 第33-35页 |
| 3.4.2 融合技术的结果分析 | 第35-36页 |
| 3.5 融合流行度的协同过滤推荐研究 | 第36-39页 |
| 3.5.1 融合的过程研究 | 第36-38页 |
| 3.5.2 融合技术的结果分析 | 第38-39页 |
| 3.6 融合SVD的协同过滤推荐算法研究 | 第39-43页 |
| 3.6.1 融合的过程研究 | 第39-41页 |
| 3.6.2 融合技术的结果分析 | 第41-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第4章 基于Shapley值的组合推荐算法研究 | 第44-59页 |
| 4.1 引言 | 第44页 |
| 4.2 基于Shapley的误差分摊方法 | 第44-45页 |
| 4.3 组合推荐中的预测误差分摊 | 第45-47页 |
| 4.4 组合推荐的权重计算 | 第47-48页 |
| 4.5 组合推荐的结果及参数性能分析 | 第48-57页 |
| 4.6 本章小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
