第一个书签之前
第一章绪论
1.1 研究的背景与意义
1.2 研究现状
1.2.1 传统推荐系统的现状
1.2.2 神经网络推荐系统的现状
1.3 本文主要工作
1.4 本文结构
第二章相关技术与基础理论综述
2.1 推荐技术
2.1.1 协同过滤的推荐
2.1.2 基于内容的推荐
2.1.3 混合的推荐
2.2 人工神经网络
2.2.1 激活函数
2.2.2 梯度下降
2.2.3 推荐系统中的神经网络
2.3 本章小结
第三章一种融合时间因素的用户偏好和距离加权的聚类算法
3.1 概述
3.2 基础算法
3.2.1 K-Means算法
3.2.2 TF-IDF算法
3.3 聚类算法的改进
3.3.1 用户属性和项目属性矩阵的构建
3.3.2 用户偏好权重的计算
3.3.3 时间函数的改进
3.3.4 TF-IDF算法的改进
3.4 相似度的计算和最终的推荐
3.4.1 相似度的计算
3.4.2 最终的推荐
3.5 实验分析
3.5.1 数据集介绍
3.5.2 评价指标
3.5.3 对比算法
3.5.4 实验结果的比较与分析
3.6 本章小结
第四章基于CNN和BP神经网络融合的技术
4.1 概述
4.2 基础神经网络
4.2.1 CNN算法
4.2.2 BP算法
4.3 基于CNN-BP模型的评分预测
4.3.1 利用CNN来获取原始概率
4.3.2 利用BP来获取最终概率
4.4 实验分析
4.4.1 数据集选择
4.4.2 评价指标
4.4.3 基准算法
4.4.4 实验结果的比较与分析
4.5 本章小结
第五章总结与展望
5.1 总结
5.2 展望
参考文献
发表论文和科研情况说明
致 谢
天津理工大学;