声明
摘要
1 绪论
1.1 选题背景和意义
1.1.1 背景
1.1.2 意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.2.3 目前研究现状述评
1.3 论文主要研究内容
1.4 论文研究方法和技术路线
1.4.1 研究方法
1.4.2 技术路线
2 相关理论
2.1 用户行为数据简介
2.2 基于用户行为数据的推荐算法简介
2.2.1 基于邻域的推荐算法
2.2.2 基于模型的推荐算法
2.2.3 基于图的推荐算法
2.3 推荐算法评价指标
2.3.1 预测准确度指标
2.3.2 多样性与新颖性指标
2.3.3 其他指标
2.4 推荐算法常用数据集
3 基于最近邻的改进受限玻尔兹曼机协同过滤推荐算法
3.1 基于RBM模型的协同过滤框架
3.2 基于最近邻的改进RBM及算法描述
3.2.1 改进方法
3.2.2 算法伪代码描述
3.3 实验分析
3.3.1 实验设置
3.3.2 实验结果及分析
4 基于项目标签改进的受限玻尔兹曼机协同过滤推荐算法
4.1 基于RBM模型的协同过滤算法问题分析
4.2 基于项目标签改进RBM模型的算法描述
4.2.1 改进具体过程
4.2.2 算法伪代码描述
4.3 实验分析
4.3.1 实验设置
4.3.2 实验结果及分析
5 基于加权网络结构的冷门资源推荐算法
5.1 基于网络结构的推荐算法分析
5.2 基于网络结构的推荐算法改进
5.2.1 算法的改进思路
5.2.2 算法具体实施步骤
5.3 实验分析
5.3.1 实验设置
5.3.2 实验结果分析
结论
致谢
参考文献
攻读学位期间的研究成果