| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 相关技术的国内外研究现状 | 第14-18页 |
| 1.2.1 推荐系统相关技术的国内外研究现状 | 第14-16页 |
| 1.2.2 协同过滤算法的国内外研究现状 | 第16-17页 |
| 1.2.3 现阶段推荐算法存在的问题 | 第17-18页 |
| 1.2.4 谱聚类相关技术国内外研究现状 | 第18页 |
| 1.3 论文的主要工作 | 第18-19页 |
| 1.4 论文的组织结构 | 第19-20页 |
| 第2章 相关技术介绍 | 第20-34页 |
| 2.1 推荐系统定义 | 第20-22页 |
| 2.2 推荐系统架构 | 第22-24页 |
| 2.3 常见算法分类与分析 | 第24-30页 |
| 2.3.1 协同过滤算法 | 第25-29页 |
| 2.3.2 基于内容数据的推荐 | 第29页 |
| 2.3.3 混合推荐算法 | 第29-30页 |
| 2.4 谱聚类算法 | 第30-31页 |
| 2.5 常用推荐系统测评指标 | 第31-32页 |
| 2.6 本章小结 | 第32-34页 |
| 第3章 基于图结构的推荐算法 | 第34-43页 |
| 3.1 图结构概述 | 第34-35页 |
| 3.1.1 图的概念介绍 | 第34页 |
| 3.1.2 二分图介绍 | 第34-35页 |
| 3.2 基于图的推荐算法分析 | 第35-42页 |
| 3.2.1 网络推断算法 | 第35-37页 |
| 3.2.2 PageRank算法 | 第37-40页 |
| 3.2.3 PersonalRank算法 | 第40-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第4章 基于PageRank和谱方法的个性化推荐算法 | 第43-52页 |
| 4.1 算法的出发点 | 第43页 |
| 4.2 算法的基本思想 | 第43-44页 |
| 4.2.1 改进的PageRank算法思想 | 第43-44页 |
| 4.2.2 谱方法思想概述 | 第44页 |
| 4.3 算法分析 | 第44-45页 |
| 4.3.1 改进的PageRank算法分析 | 第44页 |
| 4.3.2 谱方法分析 | 第44-45页 |
| 4.4 算法设计 | 第45-46页 |
| 4.5 实验结果与分析 | 第46-51页 |
| 4.5.1 实验环境 | 第46-47页 |
| 4.5.2 实验数据 | 第47-48页 |
| 4.5.3 测评指标 | 第48页 |
| 4.5.4 实验分析 | 第48-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 基于FPSM的电影推荐系统的设计与实现 | 第52-62页 |
| 5.1 需求分析 | 第52页 |
| 5.2 功能模块设计 | 第52-59页 |
| 5.2.1 数据采集模块 | 第53-58页 |
| 5.2.2 数据转换模块 | 第58页 |
| 5.2.3 电影推荐模块 | 第58-59页 |
| 5.3 系统实现 | 第59-61页 |
| 5.3.1 电影推荐系统主界面 | 第59页 |
| 5.3.2 数据采集界面 | 第59-60页 |
| 5.3.3 数据转换界面 | 第60页 |
| 5.3.4 电影推荐界面 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 附录A 攻读学位期间完成的主要成果 | 第70页 |