声明
摘要
图目录
表目录
第1章 绪论
1.1 课题背景
1.2 研究内容
1.3 文章结构
1.4 本章小结
第2章 研究现状概述
2.1 个性化推荐算法研究现状
2.1.1 协同过滤推荐算法
2.1.2 基于内容的推荐算法
2.2 相关排序算法研究概述
2.2.1 PageRank排序算法
2.2.2 HITS算法
2.3 相关聚类研究概述
2.3.1 谱聚类
2.3.2 RankClus算法
2.4 本章小结
第3章 APP信息网络模型及排序分布计算
3.1 算法所涉及相关定义
3.2 构造APP星形信息网络
3.2.1 基于APP分类文本的TF-IDF改进方法
3.3 综合权值计算策略
3.3.1 基于下载量的权值计算策略
3.3.2 基于时间窗口的权值计算策略
3.3.3 基于隐式反馈的权值计算策略
3.4 APP附属类型排序分布计算模型
3.4.1 迭代排序算法
3.4.2 基于边权值的排序算法
3.4.3 排序分布计算策略
3.5 本章小结
第4章 基于异构信息网络聚类的推荐算法
4.1 基于排序分布的APP聚类算法
4.1.1 建立概率生成模型
4.1.2 基于贝叶斯理论后验概率计算模型
4.1.3 EM算法估计参数
4.1.4 利用聚类分布进行聚类分析
4.2 基于不同类簇的推荐算法实现
4.2.1 基于伪评分的IBCF算法
4.2.2 基于时间衰退的UBCF算法
4.2.1 冷启动问题处理
4.3 本章小结
第5章 实验与分析
5.1 数据预处理
5.2 实验环境
5.3 评价标准
5.4 结果分析
5.4.1 实验参数
5.4.2 三种综合权值计算策略对比分析
5.4.3 聚类数目对推荐效果的影响
5.4.4 时间衰退系数对Time-UBCF的影响
5.4.5 覆盖率评估
5.4.6 实验总结
5.5 本章小结
第6章 总结与展望
6.1 工作总结
6.2 未来展望
参考文献
攻读硕士学位期间主要的研究成果
致谢