| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 目录 | 第10-12页 |
| 表目录 | 第12-13页 |
| 图目录 | 第13-15页 |
| 第1章 绪论 | 第15-29页 |
| ·研究背景及意义 | 第15-17页 |
| ·推荐系统发展及现状 | 第17-23页 |
| ·从门户网站到搜索引擎再到推荐系统 | 第17-20页 |
| ·推荐系统发展现状 | 第20-23页 |
| ·推荐系统面临的挑战 | 第23-25页 |
| ·本文的主要研究内容及贡献 | 第25-27页 |
| ·本文的组织结构安排 | 第27-29页 |
| 第2章 推荐系统及相关研究综述 | 第29-47页 |
| ·推荐系统综述 | 第29-35页 |
| ·推荐系统的基本原则 | 第29-34页 |
| ·基于用户特征的过滤算法 | 第34-35页 |
| ·协同过滤算法 | 第35-42页 |
| ·基于内存的协同过滤 | 第36-39页 |
| ·基于模型的协同过滤 | 第39-41页 |
| ·不同协同过滤方法间的比较 | 第41-42页 |
| ·全局优化问题及进化算法 | 第42-45页 |
| ·全局优化问题 | 第42-44页 |
| ·进化算法 | 第44-45页 |
| ·小结 | 第45-47页 |
| 第3章 基于非参数统计的相似度度量模型 | 第47-67页 |
| ·引言 | 第47-49页 |
| ·相似度度量 | 第49-53页 |
| ·相关相似性(Correlation-Based Similarity) | 第49-50页 |
| ·向量余弦相似性(Vector Cosine-Based Similarity) | 第50-52页 |
| ·欧氏距离相似性(Euclidean Distance-based Similarity) | 第52-53页 |
| ·其他相似性模型 | 第53页 |
| ·基于非参数统计的相似度模型 | 第53-61页 |
| ·相似性分析 | 第54-57页 |
| ·用户评分与兴趣 | 第57-58页 |
| ·算法实现 | 第58-61页 |
| ·实验及结果分析 | 第61-65页 |
| ·数据集合及评价标准 | 第61-62页 |
| ·算法性能分析 | 第62-63页 |
| ·算法特点分析 | 第63-65页 |
| ·小结 | 第65-67页 |
| 第4章 基于时间回溯的用户特征预测模型 | 第67-91页 |
| ·引言 | 第67-68页 |
| ·特征预测的相关工作 | 第68-73页 |
| ·研究现状综述 | 第68-69页 |
| ·代表性算法及成果 | 第69-73页 |
| ·时间回溯与用户Baby年龄预测 | 第73-82页 |
| ·问题的描述 | 第73-76页 |
| ·算法的整体框架 | 第76-77页 |
| ·基于时间回溯的数据模型 | 第77-80页 |
| ·多项式logistic回归、最大熵与极大似然 | 第80-82页 |
| ·实验及结果分析 | 第82-89页 |
| ·结果评价方案 | 第82-83页 |
| ·回溯与样本人群 | 第83-84页 |
| ·Baby年龄预测 | 第84-87页 |
| ·覆盖率与准确率 | 第87-89页 |
| ·小结 | 第89-91页 |
| 第5章 演化博弈启发下的全局优化算法 | 第91-115页 |
| ·推荐系统与全局优化问题 | 第91-92页 |
| ·差分进化算法 | 第92-98页 |
| ·全局优化问题求解方法分类 | 第92-94页 |
| ·经典差分进化算法 | 第94-97页 |
| ·相关研究及成果 | 第97-98页 |
| ·基于复制子动态的差分进化算法(RDIDE) | 第98-105页 |
| ·参数进化及复制子动态 | 第99-101页 |
| ·可信成功率设计框架 | 第101-103页 |
| ·算法流程 | 第103-105页 |
| ·可选设置及实施方案 | 第105页 |
| ·实验及结果分析 | 第105-113页 |
| ·测试函数及试验参数 | 第105-107页 |
| ·算法性能分析 | 第107-111页 |
| ·算法特点分析 | 第111-112页 |
| ·可选设置效果分析 | 第112-113页 |
| ·小结 | 第113-115页 |
| 第6章 总结与展望 | 第115-117页 |
| ·本文总结 | 第115-116页 |
| ·下一步工作与展望 | 第116-117页 |
| 参考文献 | 第117-127页 |
| 致谢 | 第127-129页 |
| 在读期间发表的学术论文及参与项目 | 第129页 |
