| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究的背景和意义 | 第9-11页 |
| 1.1.1 课题研究的背景 | 第9-10页 |
| 1.1.2 课题研究的意义 | 第10-11页 |
| 1.2 课题研究现状及分析 | 第11-14页 |
| 1.3 本文主要研究内容和组织结构 | 第14-16页 |
| 第2章 推荐算法及推荐算法的评测指标 | 第16-29页 |
| 2.1 引言 | 第16页 |
| 2.2 推荐算法概述及分析 | 第16-24页 |
| 2.2.1 协同过滤推荐算法 | 第17-21页 |
| 2.2.2 奇异值分解推荐算法 | 第21-24页 |
| 2.2.3 图模型推荐算法 | 第24页 |
| 2.3 推荐算法的评测指标 | 第24-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于时间效应的个性化推荐算法 | 第29-44页 |
| 3.1 引言 | 第29页 |
| 3.2 群体兴趣度随时间的变化趋势 | 第29-32页 |
| 3.3 个人兴趣度随时间的变化趋势 | 第32-36页 |
| 3.4 电影流行度随时间的变化趋势 | 第36-40页 |
| 3.5 基于时间效应的个性化推荐算法的实现 | 第40-42页 |
| 3.6 本章小结 | 第42-44页 |
| 第4章 基于时间效应的推荐算法实验结果与分析 | 第44-58页 |
| 4.1 引言 | 第44页 |
| 4.2 基于时间效应的推荐算法试验环境 | 第44-48页 |
| 4.2.1 Netflix和MovieLens数据说明及数据处理 | 第44-46页 |
| 4.2.2 基于时间效应的推荐算法试验平台及试验框架图 | 第46-48页 |
| 4.3 用户兴趣度变化趋势的试验结果与分析 | 第48-51页 |
| 4.4 物品流行度变化趋势的试验结果与分析 | 第51-53页 |
| 4.5 不同推荐算法的试验结果与分析 | 第53-56页 |
| 4.6 本章小结 | 第56-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64页 |