| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 传统推荐算法 | 第12-13页 |
| 1.2.2 基于标签的推荐算法 | 第13-14页 |
| 1.2.3 交互式推荐算法 | 第14-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文结构安排 | 第16-18页 |
| 第2章 基于标签关联分析的交互式推荐方法分析与设计 | 第18-25页 |
| 2.1 交互式推荐方法框架设计 | 第18-20页 |
| 2.2 评分处理和数据表示 | 第20-24页 |
| 2.2.1 用户评分处理 | 第21-22页 |
| 2.2.2 资源标签表示 | 第22-23页 |
| 2.2.3 用户喜好度表示 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于标签的概率矩阵分解算法改进 | 第25-44页 |
| 3.1 基于标签的特征提取方法改进 | 第25-27页 |
| 3.1.1 用户特征提取方法改进 | 第25-27页 |
| 3.1.2 基于标签的资源特征提取 | 第27页 |
| 3.2 概率矩阵分解算法改进 | 第27-33页 |
| 3.2.1 概率矩阵分解算法 | 第27-29页 |
| 3.2.2 相似邻居计算 | 第29-31页 |
| 3.2.3 基于标签的概率矩阵分解算法 | 第31-33页 |
| 3.3 算法流程描述 | 第33-36页 |
| 3.4 实验设计 | 第36-38页 |
| 3.4.1 实验数据与环境 | 第36页 |
| 3.4.2 实验评价指标 | 第36-37页 |
| 3.4.3 对比算法与参数设定 | 第37-38页 |
| 3.5 实验结果分析 | 第38-43页 |
| 3.5.1参数λ的影响实验 | 第38-39页 |
| 3.5.2邻居数量D的影响实验 | 第39-40页 |
| 3.5.3特征向量维度K的对比实验 | 第40-41页 |
| 3.5.4推荐长度L的对比实验 | 第41-42页 |
| 3.5.5算法耗时对比实验 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 基于标签关联分析的交互式方法研究 | 第44-62页 |
| 4.1 交互式方法概述 | 第44-46页 |
| 4.2 基于标签关联分析的资源划分 | 第46-49页 |
| 4.2.1 标签关联分析 | 第46-47页 |
| 4.2.2 资源备选集划分 | 第47-49页 |
| 4.3 资源备选集重排序 | 第49-52页 |
| 4.4 冷启动问题解决策略 | 第52-57页 |
| 4.4.1 冷启动问题 | 第52-53页 |
| 4.4.2 用户兴趣分类 | 第53-55页 |
| 4.4.3 用户决策树构建 | 第55-57页 |
| 4.5 实验结果分析 | 第57-61页 |
| 4.5.1新用户冷启动推荐实验 | 第57-59页 |
| 4.5.2交互式推荐实验 | 第59-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第5章 基于标签的交互式推荐系统 | 第62-71页 |
| 5.1 交互式推荐功能设计 | 第62-65页 |
| 5.1.1 需求分析 | 第62-63页 |
| 5.1.2 系统框架设计 | 第63-64页 |
| 5.1.3 系统功能详细设计 | 第64-65页 |
| 5.2 交互式系统推荐流程设计 | 第65-66页 |
| 5.3 系统主要验证界面 | 第66-70页 |
| 5.3.1 用户信息分析验证 | 第67-69页 |
| 5.3.2 用户交互推荐验证 | 第69-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 工作总结 | 第71-72页 |
| 6.2 工作展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读学位期间发表的学术论文 | 第78页 |