1 绪论
1.1.1 研究意义
1.2 国内外现状综述
1.3.1 在电商产品中的应用
1.3.2 在音乐视频产品中的应用
1.3.3 在社交产品中的应用
1.4 本章小结
2 推荐系统分类与评判指标
2.1.1 Apriori 算法基本思想
2.2 推荐算法的分类
2.2.1 基于内容推荐
2.2.2 基于上下文信息的推荐
2.2.3 基于社交网络数据的推荐
2.2.4 协同过滤推荐
2.2.5 混合推荐
2.3 推荐算法的评测
2.3.1 推荐算法的评测方法
2.3.2 推荐算法的评测指标
2.4 本章小结
3 协同过滤算法——ItemCF和UserCF
3.1.1 User-based 基本思想
3.1.2 距离的不同计算方法
3.1.3 距离计算的优化方法
3.1.4 用户相似度计算的改进
3.2.1 Item-based 基本思想
3.2.2 Item-based算法改进方向
3.3 UserCF和ItemCF的综合比较
3.4 本章小结
4.1隐语义模型算法介绍
4.2 隐语义模型推荐原理
4.3 K-means+LFM 算法
4.3.1 K-means算法原理
4.3.2 独热编码(one-hot)
4.3.3 主成分分析(PCA)算法原理
4.4.1理论基础
4.4.2离线计算空间、时间复杂度
4.4.3在线推荐能力
4.5本章小结
5 实证分析与算法实现
5.1 apriori 算法实现
5.2.1 User-CF的算法实现
5.2.2 Item-CF的算法实现及对比
5.3.1 实验数据介绍
5.3.2 算法实现及改进方向
6 总结与展望
6.1总结
6.2展望
参考文献
附录
A.学位论文数据集
致谢
重庆大学;