第一章 绪 论
1.1课题研究背景及意义
1.2个性化推荐系统面临的问题
1.3国内外研究现状
1.4论文的主要工作和组织结构
1.4.1论文的主要工作
1.4.2本文的组织结构
第二章 基础知识及相关理论
2.1个性化推荐系统
2.1.1基于社会数据的个性化推荐系统
2.1.2基于影响力的个性化推荐系统
2.1.3基于朋友的个性化推荐系统
2.2相似度度量
2.2.1欧式距离
2.2.2均方差
2.2.3余弦相似
2.2.4Pearson相关系数
2.2.5Jaccard系数
2.3推荐系统的评价标准
2.3.1误差度量
2.3.2 召回率与准确率(Precision and Recall)
2.4本章小结
第三章 多准则模糊K邻近推荐算法
3.1引言
3.2相关性研究
3.2.1三角模糊数
3.2.2 KNN邻近算法
3.3 算法描述
3.3.1模糊化
3.3.2模糊相似度量
3.3.3个人信息相似度
3.3.4基于模糊评分和个人信息的加权相似度
3.3.5算法步骤
3.4实验结果
3.4.1数据集
3.4.2实验结果分析
3.5本章小结
第四章 基于双向LSTM网络的预测算法
4.1引言
4.2相关性研究
4.2.1循环神经网络(RNN)
4.2.2双向循环神经网络(BRNN)
4.2.3 LSTM长短时记忆模型
4.2.4 Dropout
4.3 模型构建
4.3.1算法描述
4.4实验结果
4.4.1性能评价
4.4.2网络参数的确定
4.5对比实验
4.6本章小结
第五章 基于多准则候选和时间序列预测的推荐算法
5.1算法介绍
5.2实验结果
5.2.1 基于多准则候选和时间序列预测的推荐算法实验结果
5.2.2各K邻近算法推荐系统实验结果
5.2.3浅层模型推荐算法实验结果
5.2.4深层模型推荐算法实验结果
5.2.5实验结果对比
5.3本章小结
总结与展望
总结
展望
参考文献
攻读学位期间发表的论文
声明
致谢
广东工业大学;