声明
摘要
第一章 绪论
1.1 研究背景
1.2 研究意义
1.3 国内外研究现状
1.4 本文研究内容与结构安排
第二章 个性化推荐系统相关技术
2.1 个性化推荐系统概述
2.1.1 推荐系统架构
2.1.2 推荐系统性能评测指标
2.1.3 用户数据搜集
2.1.4 推荐理由解释
2.1.5 推荐系统面临的问题
2.2 个性化推荐算法分类
2.2.1 基于内容的推荐算法
2.2.2 基于关联规则的推荐算法
2.2.3 基于内存的协同过滤算法
2.2.4 基于模型的协同过滤算法
2.2.5 社会化推荐算法
2.2.6 混合推荐算法
2.3 本章小结
第三章 差异化个体相似性度量算法
3.1 引言
3.1.1 传统个体相似性度量算法
3.1.2 数据稀疏问题及影响
3.1.3 现有解决方案及缺陷
3.2 差异化个体相似性度量算法
3.2.1 用户和项目的个体性质差异
3.2.2 基于用户情感的用户相似性计算方法(EUSM)
3.2.3 基于评分质量的项目相似性计算(QISM)
3.3 实验结果
3.3.1 实验数据集
3.3.2 性能评测标准
3.3.3 实验方案
3.3.4 结果分析
3.4 本章小结
第四章 基于预测置信度的自适应局部融合算法
4.1 引言
4.1.1 传统评分预测算法
4.1.2 数据稀疏问题及影响
4.1.3 现有解决方案及缺陷
4.2 基于预测置信度的自适应局部融合算法
4.2.1 基于内存的协同过滤算法比较
4.2.2 预测置信度
4.2.3 自适应局部融合算法
4.3 实验结果
4.3.1 实验数据集
4.3.2 实验方案
4.3.3 结果分析
4.4 本章小结
第五章 结论与展望
5.1 本文工作内容
5.2 未来工作展望
参考文献
致谢
攻读硕士学位期间发表的学术论文