声明
致谢
摘要
1 引言
1.1 论文背景和意义
1.2 研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 论文内容
1.4 论文结构
2 推荐系统核心技术与算法
2.1 推荐系统
2.2 个性化推荐技术
2.2.1 数据采集
2.2.2 数据预处理
2.2.3 模式分析
2.3 关联规则
2.3.1 关联规则的定义
2.3.2 基本概念
2.3.3 Apriori算法
2.3.4 Partition算法
2.4 协同过滤技术
2.4.1 协同过滤
2.4.2 K-means算法
2.4.3 常用的相似度公式
2.5 MapReduce算法
2.6 本章小结
3 一种新的基于时间均度的加权关联规则算法
3.1 加权概念的提出
3.2 Partition算法缺陷的分析及改进
3.3 基于时间均度的加权关联规则
3.3.1 问题分析
3.3.2 基于时间均度的加权关联规则
3.4 数值计算与结果分析
3.5 本章小结
4 基于二进制循环指数的多重K-means协同过滤算法
4.1 协同过滤流程及缺陷
4.1.1 基于用户的协同过滤流程
4.1.2 基于项目的协同过滤流程
4.1.3 协同过滤技术的缺陷
4.2 协同过滤算法数据稀疏性的优化
4.2.1 稀疏矩阵的优化
4.2.2 问题分析
4.2.3 基于二进制循环指数的多重K-means协同过滤算法
4.3 数值计算与结果分析
4.4 本章小结
5 系统设计与实现
5.1 系统设计
5.2 系统实现与运行效果
5.3 本章小结
6 结论
6.1 结论
6.2 研究展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集
北京交通大学;