| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文主要工作 | 第10-11页 |
| 1.4 本章小结 | 第11-12页 |
| 2 推荐系统及相关技术 | 第12-26页 |
| 2.1 推荐系统概述 | 第12-14页 |
| 2.2 推荐算法及技术 | 第14-20页 |
| 2.2.1 基于人口统计学的推荐算法 | 第14-15页 |
| 2.2.2 基于内容的推荐算法 | 第15-16页 |
| 2.2.3 基于规则的推荐算法 | 第16-17页 |
| 2.2.4 基于协同过滤的推荐算法 | 第17-20页 |
| 2.3 协同过滤算法分析 | 第20-25页 |
| 2.3.1 基于用户的协同过滤算法 | 第21-24页 |
| 2.3.2 基于项目的协同过滤算法 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 协同过滤中相似性度量方法的研究 | 第26-42页 |
| 3.1 协同过滤中相似性度量方法 | 第26页 |
| 3.2 协同过滤中相似性度量方法分析 | 第26-32页 |
| 3.3 改进相似性度量方法的协同过滤算法 | 第32-41页 |
| 3.3.1 改进的基于全局的相似性度量 | 第33-35页 |
| 3.3.2 改进的基于局部的相似性度量 | 第35-38页 |
| 3.3.3 基于全局和局部相似性度量的协同过滤算法 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 实验及分析 | 第42-54页 |
| 4.1 实验数据和环境 | 第42页 |
| 4.1.1 实验数据 | 第42页 |
| 4.1.2 实验环境 | 第42页 |
| 4.2 实验度量标准 | 第42-43页 |
| 4.3 实验方案 | 第43页 |
| 4.4 实验分析 | 第43-53页 |
| 4.5 本章小结 | 第53-54页 |
| 5 基于全局和局部相似性度量的推荐机制研究及原型系统设计 | 第54-60页 |
| 5.1 推荐引擎设计 | 第55-57页 |
| 5.2 行为数据收集 | 第57-58页 |
| 5.3 日志系统实现 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 6 结论与展望 | 第60-62页 |
| 6.1 结论 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67页 |
| A. 作者在攻读硕士学位期间发表的论文题目 | 第67页 |
| B. 作者在攻读硕士学位期间参与的科研项目 | 第67页 |