| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景与研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 包推荐国外研究现状 | 第11-12页 |
| 1.2.2 包推荐国内研究现状 | 第12-13页 |
| 1.2.3 面临的主要问题和挑战 | 第13-14页 |
| 1.3 本文的主要工作 | 第14页 |
| 1.4 本文的组织与结构 | 第14-16页 |
| 第二章 相关理论与技术 | 第16-29页 |
| 2.1 包推荐 | 第16-20页 |
| 2.1.1 包推荐相关定义 | 第16-17页 |
| 2.1.2 包推荐系统框架和工作流程 | 第17-20页 |
| 2.2 推荐算法及其分类 | 第20-28页 |
| 2.2.1 基于内容的推荐 | 第21页 |
| 2.2.2 协同过滤推荐 | 第21-27页 |
| 2.2.3 混合推荐 | 第27-28页 |
| 2.3 本章小节 | 第28-29页 |
| 第三章 基于灰色关联的用户相似度计算方法 | 第29-39页 |
| 3.1 引言 | 第29-30页 |
| 3.2 相关工作 | 第30-31页 |
| 3.3 一种基于灰色关联的用户相似度计算方法 | 第31-34页 |
| 3.3.1 项目权重计算 | 第32页 |
| 3.3.2 用户灰色关联相似度计算 | 第32-34页 |
| 3.4 实验及结果分析 | 第34-37页 |
| 3.4.1 评分预测准确性测试 | 第35-37页 |
| 3.4.2 时间开销 | 第37页 |
| 3.5 本章小结 | 第37-39页 |
| 第四章 基于效用的包推荐算法 | 第39-53页 |
| 4.1 引言 | 第39页 |
| 4.2 相关工作 | 第39-41页 |
| 4.3 基于项目效用的包推荐算法设计 | 第41-44页 |
| 4.3.1 基于效用的结果包构建 | 第41-42页 |
| 4.3.2 结果包推荐 | 第42-43页 |
| 4.3.3 算法描述 | 第43-44页 |
| 4.4 实验及结果分析 | 第44-52页 |
| 4.4.1 MAE效果测试 | 第45-48页 |
| 4.4.2 nDCG效果测试 | 第48-49页 |
| 4.4.3 kendall相关性测试 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 基于K-L散度的包推荐结果TOPSIS排序方法 | 第53-67页 |
| 5.1 引言 | 第53-54页 |
| 5.2 相关工作 | 第54-55页 |
| 5.3 TOPSIS方法 | 第55-57页 |
| 5.4 一种基于K-L散度的包推荐结果排序方法 | 第57-61页 |
| 5.4.1 基于K-L散度的理想解贴近度计算 | 第57-59页 |
| 5.4.2 基于目标理想解的TOPSIS排序 | 第59-60页 |
| 5.4.3 算法描述 | 第60-61页 |
| 5.5 实验及结果分析 | 第61-66页 |
| 5.5.1 效用提升效果测试 | 第62-64页 |
| 5.5.2 MAE效果测试 | 第64-66页 |
| 5.6 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 工作总结 | 第67页 |
| 6.2 工作展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第73-74页 |
| 致谢 | 第74页 |