摘要
第一章绪论
第一节研究背景及研究意义
一、研究背景
二、研究意义
第二节国内外研究现状
一、基于内容的协同过滤
二、基于多源信息的协同过滤
三、文献评述
一、研究内容
二、组织结构
三、研究框架
第四节创新点及研究难点
二、研究难点及解决方法
第二章协同过滤相关理论及方法阐述
第一节协同过滤算法
一、基于用户的协同过滤
二、基于物品的协同过滤
三、相似度计算
第二节文本挖掘
一、评论文本在推荐系统中的应用
二、文本预处理
第三节LDA主题模型
一、LDA主题模型概述
二、实现步骤
第三章协同过滤算法的改进研究
第一节协同过滤算法存在的问题
一、数据稀疏性
二、时间因素
第二节基于主题的协同过滤算法及其改进思路
一、评论主题分布
二、基于主题的协同过滤算法的优点及不足
三、改进思路
第三节基于改进的用户偏好主题的协同过滤算法
一、结合评论态度与用户兴趣变化改进的用户偏好
二、改进的用户相似度
三、评分预测
四、基于改进的用户偏好主题的协同过滤算法流程
第四节基于改进的物品特征主题的协同过滤算法
一、结合评论态度与物品热度衰减改进的物品特征
二、改进的物品相似度
三、评分预测
四、基于改进的物品特征主题的协同过滤算法流程
第五节基于改进后的混合协同过滤算法的实现
一、混合方式的确定
二、改进后的混合协同过滤算法
第四章基于改进后的混合协同过滤算法实证分析
第一节数据集与软硬件环境
一、Amazon电子产品数据集
二、软硬件环境
第二节基于分布特征的数据选取
一、训练集与测试集选取
二、基于评论次数的目标选择
第三节文本预处理
一、词性标注
二、词云展示
三、向量化处理
四、基于LDA模型的主题提取
第四节实证结果与分析
二、改进的有效性分析
三、参数确定
四、性能对比
第五章总结与展望
第一节总结
第二节展望
参考文献
附录
致谢
声明