声明
1 绪论
1.1 研究背景及意义
1.2主要研究内容
1.3论文结构安排
2协同过滤推荐算法
2.1 协同过滤推荐算法
2.2基于用户的协同过滤推荐算法
2.3 分类准确率指标
2.4 实验数据说明
2.5 本章小结
3 结合拓扑势的用户聚类算法
3.1 概述
3.2 拓扑势
3.3 Kmeans聚类
3.4 自适应K-means聚类算法
3.5 SKCA的应用
3.6 SKCA算法实验仿真
3.7 本章小结
4 结合用户评分习惯的相似度改进算法
4.1 概述
4.2 Logistic函数
4.3 结合用户评分习惯的加权处理
4.4 用户共同评分比重及评分差值处理
4.5 RWDS算法实验仿真
4.6 本章小结
5 结合用户聚类的协同过滤推荐算法
5.1 引言
5.2 算法流程
5.3 结合用户聚类的协同过滤推荐算法实验仿真
5.4 本章小结
6 总结与展望
6.1 本文工作总结
6.2 未来工作展望
致谢
参考文献
个人简历、在学期间发表的学术论文及取得的研究成果
重庆理工大学;