1 绪论
1.1研究背景及意义
1.2国内外研究现状
1.2.1国外研究现状
1.2.2国内研究现状
1.3研究内容
1.4 本文组织结构
2 主流推荐算法
2.1协同过滤推荐算法
2.1.1基于内存的协同过滤推荐算法
2.1.2基于模型的协同过滤推荐算法
2.2其它推荐算法
(1)基于内容的推荐算法
(2)基于关联规则的推荐算法
(3)基于知识的推荐算法
(4)组合推荐算法
2.3协同过滤关键技术
(1)实验数据集
(2)相似度量方法
(3)评价指标
2.4 本章小结
3 基于用户属性与用户偏好的推荐
3.1基于用户属性聚类的推荐
3.1.1用户属性特征
3.1.2 用户属性聚类
3.1.2用户属性的评分预测
3.2基于用户兴趣偏好的推荐
3.2.1用户兴趣模型
3.2.2时间权重因子
3.2.3时间加权的评分预测
3.3用户属性与用户偏好的协同过滤推荐
3.4 本章小结
4 实验设计与结果分析
4.1实验数据集
4.2实验方案
4.2.1实验仿真
4.2.2实验效果度量标准
4.3实验结果分析
4.3.1用户聚类对A_CF算法的影响
4.3.2混合权重ω对ATW_CF算法的影响
4.3.3 ATW_CF算法与A_CF、TW_CF算法比较
4.4本章小结
5 总结与展望
5.1总结
5.2展望
参考文献
附录A:作者攻读硕士学位期间发表论文及科研情况
致谢
声明
重庆师范大学;