摘要
第一章 引言
1.1 研究背景与意义
1.2 国内外研究现状
1.3 当前研究方法的不足
1.4 研究工作概述
1.5 组织结构
第二章 基于邻居模型的协同过滤算法
2.1 基本思想
2.2 相似度计算
2.3 基于用户的K近邻模型
2.4 基于项目的k近邻模型
2.5 本章小结
第三章 基于蚁群模型的协同过滤算法
3.1 蚁群算法基本思想
3.2 蚁群算法的实现
3.3 蚁群聚类
3.4 实验结果分析与讨论
3.5 本章小结
第四章 用户行为建模方法
4.1 基本思想
4.2 影片多维度相似度计算
4.3 用户行为建模
4.4 评价标准
4.5 实验结果分析与讨论
4.6 本章小结
第五章 模型组合方法
5.1 线性组合模型
5.1.1 简单线性回归
5.1.2 精细线性回归
5.2 神经网络模型
5.5 本章小结
第六章 影视推荐系统的实现
6.1 系统总体框架设计
6.2 影视元数据抓取
6.3 用户行为采集模块
6.3 影视推荐模块
6.4 系统运行效果
第七章 总结与展望
致谢
参考文献
声明