推荐系统论文推荐系统 协同过滤推荐 MAE 稀疏性

1、推荐系统论文：基于用户喜好类型的协同过滤推荐算法研究【中文摘要】随着互联网技术和服务的迅速发展,我们所生存的信息数据世界得到了快速的膨胀。然而,信息的快速膨胀带来了很多的问题,其中“信息迷航”和“信息超载”的问题越来越严重。解决这两个问题的方法可以分为以下两种：信息检索和信息过滤。信息检索是根据信息用户的需要,从按一定方式组织和存储起来的信息中,查找出相关的信息的过程和技术。信息过滤则是根据用户提供的过滤需求,从动态的信息流中将满足用户兴趣的个性化需求信息自动地挑选出来。信息过滤技术的一种重要的应用方式是推荐技术。推荐技术在电子商务领域得到了越来越广泛的应用,也得到了越来越多的研究者的关注。本

2、文的研究对象正是推荐技术。虽然推荐技术已经发展了几十年,但是还没有达到完全成熟地步。现在的推荐系统所面临的主要挑战有精确度不高,伸缩性和实时性低,以及数据稀疏度高等问题。电子商务推荐技术的研究方向主要包括基于内容的过滤推荐和协同过程过滤推荐。另外,还有一些常用的推荐技术如基于关联规则的推荐算法、基于聚类推荐算法。本文较为详细地介绍了这些算法以及他们各自的优缺点。文章详细介绍了推荐技术中的协同过滤推荐算法。协同过滤推荐算法基于用户的评分记录,依据目标用户的最近邻.【英文摘要】With the explosively growing of the technologies and services

3、 of the Internet, the information data world increases a lot and very rapidly. The expansion of information data has brought many issues such as Lost in Internet and Information Overload which become more and more serious every day. The methods to resolve Information Overload can mainly classify two

4、 kinds:Information Retrieval and Information Filtering. Based on the needs of the people, Information Retrieval will search out the related information.【关键词】推荐系统 协同过滤推荐 MAE 稀疏性【英文关键词】Recommendation system Collaborative Filtering Recommendation MAE Sparseness【索购全文】联系Q1：138113721 Q2：139938848【目录】基于用户喜

5、好类型的协同过滤推荐算法研究摘要6-8Abstract8-9目录10-12第1章. 绪论12-171.1. 推荐系统的研究背景和意义12-131.2. 推荐系统的研究内容13-151.3. 本文的研究内容及目的15-161.4. 本文的组织结构16-17第2章. 推荐技术的相关研究工作17-252.1. 基于内容过滤的推荐算法17-182.2. 基于协同过滤的推荐算法18-202.3. 基于规则的推荐算法20-212.4. 基于聚类的推荐算法21-222.5. 推荐算法的混合运用(Hybrid Recommender)22-242.7. 本章小结24-25第3章 协同过滤推荐算法的应用与分析2

6、5-333.1 协同过滤推荐算法的研究现状25-273.2 基于用户的(User-based)协同过滤推荐算法介绍27-30 相似性度量方法及分析28-29 产生推荐29-303.3. 基于项目的(Item-based)协同过滤推荐算法介绍303.4. 推荐系统的评价方法30-313.5. 本章小结31-33第4章 基于用户喜好类型的协同过滤推荐算法研究(User Favorite Type Based)33-464.1. 传统相似度计算方法的局限性33-354.2. 针对传统协同过滤推荐算法的局限性的解决办法354.3. 基于用户喜好类型推荐的可行性研究35-384.4. 缺省值预测法的可行性研究38-394.5. 基于用户喜好类型的协同过滤推荐算法39-434.6. 算法实现所面临的主要问题43-444.7. 本章小结44-46第5章. 推荐算法的实现和实验分析46-615.1. 实验数据集465.2. 实验评价标准46-475.3. 系统的功能模块47-495.4. 实验结果对比分析49-59 实验数据对按类型分类的方法的支持49-52 实验数据对Null值处理方法的支持52-55 UFTB算法对类型分类和Null缺省预测方法的有效性55-595.5. 本章小结59-