基于协同过滤技术的推荐算法研究

来源:本站2019-07-0557 次

基于协同过滤技术的推荐算法研究

摘要第5-6页ABSTRACT第6-7页缩略语对照表第10-13页第一章绪论第13-21页课题的研究背景第13-14页推荐系统的应用前景第14-18页电影和视频网站第14-15页音乐网络电台第15-16页社交网站第16页个性化邮件系统第16-17页电子商务第17-18页国内外关于协同过滤算法的研究现状第18-19页本文的研究工作第19-20页论文结构第20-21页第二章推荐系统的相关综述第21-31页推荐系统的任务定义第21页主要的推荐方法第21-25页协同过滤推荐算法第21-24页内容过滤推荐算法第24页混合推荐算法第24-25页测评指标第25-31页用户满意度第25-26页预测准确度第26-27页覆盖率第27页多样性第27页新颖性第27-28页惊喜度第28页信任度第28页实时性第28-29页健壮性第29页商用目标的实现第29-31页第三章基于用户协同过滤算法的改进和基于物品的协同过滤算法的研究第31-59页基于用户的协同过滤算法第31-35页基于用户的协同过滤推荐算法步骤第31-33页基于用户协同过滤算法的改进第33-35页改进算法与原基于用户协同过滤的实验与分析第35-44页实验环境与数据第35页实验结果与分析第35-44页对改进的UserCF算法的总结第44页基于物品的协同过滤算法第44-46页基于物品的协同过滤算法步骤第44-46页基于物品的协同过滤算法的研究第46页修改后的ItemCF算法与原ItemCF算法的实验与分析第46-54页实验环境与数据第46-47页实验结果与分析第47-54页算法和ItemCF算法的比较第54-59页实验数据比较和分析第54-57页算法和ItemCF算法综合比较第57-59页第四章基于改进UserCF算法的电影推荐系统第59-69页引言第59页电影推荐系统的设计结构第59-67页开发工具及环境第60页推荐系统的数据库第60-61页推荐引擎与推荐列表生成流程第61-64页用户界面第64-67页本章小结第67-69页第五章总结与展望第69-71页工作总结第69页对未来工作的展望第69-71页参考文献第71-73页致谢第73-74页作者简介第74-75页。

  • A+
所属分类:现代文学