声明
摘要
1绪论
1.1研究背景及意义
1.2国内外研究现状分析
1.2.1推荐技术
1.2.2知识推送
1.3研究问题与研究思路
1.4论文结构和研究内容
1.5本文创新点
2相关理论综述
2.1协同过滤推荐算法
2.1.1基于记忆的协同过滤推荐
2.1.2基于模型的协同过滤推荐
2.2知识关联概述
2.2.1知识关联的内涵
2.2.2知识关联的测度
2.3常见的相似度度量方法
2.4信息熵与熵权法
2.4.1信息熵
2.4.2熵权法
2.5三支决策
2.5.1三支决策理论概述
2.5.2基于粗糙集的三支决策模型
2.6本章小结
3知识相关度模型
3.1基于属性的知识视图相似度
3.1.1基于Jaccard相似系数的属性相似度
3.1.2信息熵赋权的Jaccard知识视图相似度
3.2基于共现关联的知识关联度
3.2.1Apriori算法相关概念及实例
3.2.2基于Apriori的知识关联度计算
3.3融合相似度和关联度的知识相关度模型
3.4本章小结
4三支知识推送机制
4.1基于知识相关度的协同过滤推荐
4.1.1知识关系的度量
4.1.2选择最近邻
4.1.3预测评分
4.2三支知识推送模型
4.2.1构建成本矩阵
4.2.2确定决策划分阈值
4.2.3转换概率
4.3本章小结
5实验与分析
5.1实验数据来源及实验设计
5.2推送效果评价指标
5.3参数确定
5.3.1支持度计数阈值c的确定
5.3.2知识相关度模型中融合系数q的确定
5.3.3决策划分阈值α、β和γ的确定
5.4实验结果与分析
5.5本章小结
6总结与展望
6.1总结
6.2展望
参考文献
个人简历、在学期间发表的学术论文与研究成果
致谢
郑州大学;