基于Hellinger距离相似性度量的协同过滤推荐算法研究

目录

声明

摘要

1绪论

1．1研究背景和意义

1．2国内外研究现状

1．2．1国内外应用现状

1．2．2基于内容的推荐算法

1．2．3基于协同过滤的推荐算法

1．2．4基于知识的推荐算法

1．2．5混合推荐算法

1．2．6总结分析

1．3本文研究内容

1．3．1研究目标

1．3．2研究内容

1．3．3研究路线

1．3．4论文特色与创新

1．4论文组织结构

1．5本章小结

2个性化推荐算法相关理论与技术

2．1个性化推荐算法概谜

2．2协同过滤算法

2．2．1基于邻域的协同过滤算法

2．2．2基于模型的协同过滤算法

2．3其他推荐算法

2．3．1基于内容的推荐

2．3．2混合推荐

2．3．3基于关联规则的推荐

2．3．4基于人口信息的推荐

2．3．5 Slope One算法

2．4推荐算法评价指标

2．4．1预测准确度

2．4．2分类准确度

2．4．3其他指标

2．5本章小结

3基于Hellinger距离的协同过滤推荐算法研究

3．1传统相似性度量方法

3．1．1余弦相似性

3．1．2修正余弦相似性

3．1．3皮尔逊相关系数

3．2基于Hellinger距离的项目相似性度量

3．3基于Hellinger距离的协同过滤推荐算法

3．3．1算法整体思路

3．3．2数据分类处理

3．3．3个性化推荐

3．3．4评分预测

3．4本章小结

4实验与分析

4．1实验数据集与环境

4．1．1实验数据集

4．1．2实验环境

4．1．3数据预处理

4．2不同相似性度量方法对比实验

4．2．1实验方案

4．2．2实验结果及分析

4．3数据分类处理对相似性度量精度影响实验

4．3．1实验方案

4．3．2实验结果与分析

4．4不同协同过滤推荐算法对比实验

4．4．1实验方案

4．4．2实验结果与分析

4．5本文算法推荐应用示例

4．6本章小结

5．1总结

5．2展望

参考文献

攻读硕士学位期间的科研成果

致谢