推荐基于资源特点协同过滤推荐算法

摘要4-5

ABSTRACT5-10

第一章 绪论10-18

1.1 课题探讨背景及作用10-11

1.2 推荐引擎概述11-16

1.2.1 推荐引擎的组成11-12

1.2.2 推荐引擎探讨近况12-15

1.2.3 Apache Mahout介绍15-16

1.3 本论文主要工作16

1.4 论文组织结构16-18

第二章 个性化推荐算法探讨18-36

2.1 个性化推荐算法的分类18

2.2 基于内容的推荐18-21

2.2.1 基本原理18-19

2.2.2 推荐的产生19-20

2.2.3 优缺点20-21

2.3 协同过滤推荐21-34

2.3.1 协同过滤推荐算法的分类21-22

2.3.2 基于用户的协同过滤推荐22-25

2.3.3 基于项目的协同过滤推荐25-28

2.3.4 基于关联规则的推荐28-29

2.3.5 基于降维的协同过滤推荐29-30

2.3.6 基于聚类的协同过滤推荐30-31

2.3.7 优缺点浅析及解决策略31-34

2.4 混合推荐34-35

2.5 本章小结35-36

第三章 基于资源特点的协同过滤推荐算法36-44

3.1 基本思想36-39

3.1.1 用户兴趣的表示36

3.1.2 用户兴趣的来源36-37

3.1.3 用户行为处理对策37-38

3.1.4 时间窗更新对策38

3.1.5 用户兴趣模型的标准化对策38-39

3.1.6 用户对于资源评分的计算对策39

3.2 用户兴趣建模39-40

3.3 基于用户的资源特点协同过滤推荐40-42

3.3.1 基本原理40-41

3.3.2 算法步骤41-42

3.4 基于项目的资源特点协同过滤推荐42-43

3.4.1 基本原理42

3.4.2 算法步骤42-43

3.5 本章小结43-44

第四章 基于资源特点的协同过滤推荐引擎的设计44-59

4.1 运用场景介绍44-45

4.1.1 用户特点介绍44

4.1.2 资源特点介绍44-45

4.2 推荐引擎总体设计45-46

4.3 行为记录模块46-47

4.3.1 用户兴趣数据源46-47

4.3.2 行为记录流程图47

4.4 模型浅析模块47-51

4.4.1 资源描述建模47-48

4.4.2 用户兴趣建模48-51

4.5 推荐模块51-53

4.5.1 基于用户的推荐51-52

4.5.2 基于项目的推荐52-53

4.6 实验结果与浅析53-57

4.6.1 度量标准53

4.6.2 用户对于资源的预测评分的计算53-54

4.6.3 测试数据集54

4.6.4 实验步骤及结果54-57

4.7 优缺点浅析57-58

4.8 本章小结58-59

第五章 总结与展望59-61

5.1 主要工作及革新点59

5.2 工作展望59-61