第1章 绪论
1.1 研究背景及意义
1.1.1 课题研究意义
1.2 国内外研究现状
1.3协同过滤在应用中存在的问题
1.4本文组织结构
1.4.1研究内容与主要工作
1.4.2组织安排
第2章 相关技术
2.1 个性化推荐技术概述
2.2 主要推荐方法
2.2.1 基于内容的推荐
2.2.2 协同过滤推荐
2.2.3 基于关联规则推荐的推荐算法
2.2.4 基于标签的推荐算法
2.2.5 组合推荐
2.3本章小结
第3章 基于用户相似性的Slope One协同过滤推荐算法
3.1 传的协同过滤算法
3.1.1 基于内存的协同过滤算法
3.1.2 Slope One协同过滤算法
3.2 传统的协同过滤算法存在的不足
3.3 基于用户相似性的Slope One 协同过滤推荐算法
3.3.1相似度的计算方法
3.3.2本文算法的模型
3.3.3算法流程描述
3.4 实验设置
3.4.1 实验数据
3.4.2 度量标准MAE
3.4.3 实验结果分析
3.5 本章小结
第4章 改进基于用户属性和标签的协同过滤推荐算法
4.1 标签系统
4.2 K近邻推荐
4.3基于用户多维属性加权和兴趣相似度计算
4.3.1用户属性相似度计算
4.3.2用户多维属性的权重分配
4.4用户标签相似度计算
4.5结合用户属性和项目标签的协同过滤算法描述
4.6实验结果分析
4.6.1数据集和测评标准
4.6.2结果及分析
4.6.3实验结果对比
4.7本章小结
第5章 结论
5.1 总结
5.2 展望
参考文献
致谢
攻读学位期间的研究成果