面向復(fù)雜數(shù)據(jù)的推薦分析研究

第1章 緒論
1.1 研究背景及意義
1.1.1 研究背景
1.1.2 研究目的及意義
1.2 信息技術(shù)發(fā)展
1.2.1 信息存儲(chǔ)技術(shù)
1.2.2 信息處理技術(shù)
1.2.3 信息系統(tǒng)技術(shù)
1.3 本書(shū)的研究?jī)?nèi)容及創(chuàng)新
1.4 數(shù)據(jù)集介紹
1.5 本章小結(jié)
第2章 相關(guān)研究概述
2.1 國(guó)內(nèi)外相關(guān)領(lǐng)域研究現(xiàn)狀
2.1.1 復(fù)雜數(shù)據(jù)處理方法
2.1.2 推薦算法
2.2 本章小結(jié)
第3章 目前主要推薦算法概述
3.1 基于統(tǒng)計(jì)的推薦算法
3.2 基于內(nèi)容的推薦算法
3.3 協(xié)同過(guò)濾推薦算法
3.4 基于關(guān)聯(lián)規(guī)則的推薦系統(tǒng)
3.5 基于網(wǎng)絡(luò)結(jié)構(gòu)的推薦
3.6 組合推薦
3.7 推薦算法評(píng)測(cè)
3.7.1 預(yù)測(cè)評(píng)分準(zhǔn)確度
3.7.2 預(yù)測(cè)評(píng)分關(guān)聯(lián)性
3.7.3 推薦準(zhǔn)確度
3.7.4 排序準(zhǔn)確度
3.7.5 覆蓋率
3.7.6 個(gè)性化程度／多樣性
3.7.7 新穎性
3.7.8 驚喜度
3.8 推薦算法評(píng)測(cè)結(jié)果的比較
3.9 電子商務(wù)推薦系統(tǒng)的整體架構(gòu)
3.1 0推薦系統(tǒng)的瓶頸和挑戰(zhàn)
3.1 1本章小結(jié)
第4章 基于二部圖網(wǎng)絡(luò)的推薦算法
4.1 復(fù)雜網(wǎng)絡(luò)理論
4.1.1 復(fù)雜網(wǎng)絡(luò)的演化過(guò)程
4.1.2 復(fù)雜網(wǎng)絡(luò)簡(jiǎn)介
4.1.3 二部圖網(wǎng)絡(luò)簡(jiǎn)介
4.2 基于二部圖網(wǎng)絡(luò)的推薦算法
4.2.1 基于二部圖網(wǎng)絡(luò)的推薦算法研究現(xiàn)狀
4.2.2 基于二部圖網(wǎng)絡(luò)的推薦算法簡(jiǎn)介
4.2.3 目前一些可行的優(yōu)化算法
4.3 本章小結(jié)
第5章 基于二部圖網(wǎng)絡(luò)推薦算法的改進(jìn)
5.1 基于二部圖網(wǎng)絡(luò)的推薦算法的不足
5.1.1 冷啟動(dòng)問(wèn)題
5.1.2 用戶(hù)興趣度參差不齊的問(wèn)題
5.1.3 內(nèi)容匹配問(wèn)題
5.2 社會(huì)化標(biāo)簽
5.2.1 標(biāo)簽及社會(huì)化標(biāo)簽
5.2.2 社會(huì)化標(biāo)簽的應(yīng)用
5.3 引入社會(huì)化標(biāo)簽的二部圖網(wǎng)絡(luò)推薦算法
5.3.1 計(jì)算用戶(hù)-產(chǎn)品二部圖
5.3.2 計(jì)算產(chǎn)品-標(biāo)簽二部圖
5.3.3 對(duì)前兩步中產(chǎn)品得到的資源求和
5.4 實(shí)驗(yàn)數(shù)據(jù)集
5.4.1 數(shù)據(jù)集選取
5.4.2 數(shù)據(jù)集結(jié)構(gòu)
5.4.3 數(shù)據(jù)集預(yù)處理
5.5 實(shí)驗(yàn)思路
5.5.1 實(shí)驗(yàn)方法
5.5.2 實(shí)驗(yàn)步驟
5.6 實(shí)驗(yàn)結(jié)果及分析
5.6.1 單組數(shù)據(jù)集實(shí)驗(yàn)
5.6.2 多組數(shù)據(jù)集實(shí)驗(yàn)
5.6.3 不同規(guī)模數(shù)據(jù)集實(shí)驗(yàn)
5.7 本章小結(jié)
第6章 改進(jìn)的Slope one算法及基于內(nèi)容的過(guò)濾
6.1 Slope one算法簡(jiǎn)介
6.2 改進(jìn)的Slope one算法
6.2.1 算法改進(jìn)背景
6.2.2 時(shí)間權(quán)重函數(shù)
6.2.3 參數(shù)T0的自學(xué)習(xí)
6.2.4 實(shí)驗(yàn)分析
6.3 基于KNN的內(nèi)容過(guò)濾
6.4 本章小結(jié)
第7章 組合算法的推薦系統(tǒng)模型
7.1 組合推薦系統(tǒng)的優(yōu)勢(shì)
7.2 組合算法的推薦系統(tǒng)模型
7.2.1 組合推薦算法的基本思想
7.2.2 組合推薦模型的框架
7.3 實(shí)驗(yàn)結(jié)果及分析
7.3.1 實(shí)驗(yàn)?zāi)康?br />7.3.2 實(shí)驗(yàn)方法
7.3.3 度量標(biāo)準(zhǔn)
7.3.4 實(shí)驗(yàn)結(jié)果
7.4 本章小結(jié)
第8章 推薦系統(tǒng)應(yīng)用研究
8.1 需求分析
8.2 系統(tǒng)整體架構(gòu)圖
8.3 系統(tǒng)推薦流程
8.4 數(shù)據(jù)庫(kù)設(shè)計(jì)
8.5 推薦系統(tǒng)功能模塊的劃分
8.6 推薦系統(tǒng)中的訪(fǎng)問(wèn)控制模型
8.6.1 推薦系統(tǒng)的模型基礎(chǔ)
8.6.2 基于信譽(yù)的訪(fǎng)問(wèn)控制模型組件
8.6.3 基于信譽(yù)的訪(fǎng)問(wèn)控制模型
8.6.4 基于信譽(yù)的訪(fǎng)問(wèn)控制機(jī)制
8.6.5 基于信譽(yù)的訪(fǎng)問(wèn)控制機(jī)制范例
8.7 本章小結(jié)
第9章 總結(jié)與展望
參考文獻(xiàn)