| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11页 |
| 1.2 推荐系统以及知识库简介 | 第11-13页 |
| 1.2.1 推荐系统简介 | 第11-12页 |
| 1.2.2 知识库简介 | 第12-13页 |
| 1.3 研究现状和难点 | 第13-14页 |
| 1.3.1 数据稀疏性问题 | 第13-14页 |
| 1.3.2 可扩展性问题 | 第14页 |
| 1.3.3 特征提取问题 | 第14页 |
| 1.3.4 融合问题 | 第14页 |
| 1.4 本论文的主要贡献 | 第14-15页 |
| 1.5 本论文的主要研究内容和组织结构 | 第15-17页 |
| 第2章 研究现状及相关工作 | 第17-35页 |
| 2.1 协同过滤推荐算法 | 第17-20页 |
| 2.1.1 基于记忆的推荐算法 | 第17-18页 |
| 2.1.2 基于模型的推荐算法 | 第18-20页 |
| 2.2 基于内容的推荐算法 | 第20-21页 |
| 2.2.1 文本推荐方法 | 第20页 |
| 2.2.2 基于潜在语义分析的推荐 | 第20-21页 |
| 2.2.3 自适应推荐 | 第21页 |
| 2.3 基于图的推荐算法 | 第21-23页 |
| 2.4 混合推荐算法 | 第23-24页 |
| 2.5 相似度计算方法 | 第24-26页 |
| 2.5.1 基于共同评分项目相似度计算方法 | 第24-25页 |
| 2.5.2 基于图结构的相似度计算方法 | 第25-26页 |
| 2.6 推荐系统评价准则 | 第26-28页 |
| 2.6.1 查全率 | 第27页 |
| 2.6.2 查准率 | 第27页 |
| 2.6.3 平均绝对误差 | 第27页 |
| 2.6.4 均方根误差 | 第27-28页 |
| 2.7 知识管理 | 第28-30页 |
| 2.7.1 知识管理产生的背景 | 第28页 |
| 2.7.2 知识管理的概念 | 第28-29页 |
| 2.7.3 知识管理的对象和目标 | 第29页 |
| 2.7.4 知识管理的功能 | 第29-30页 |
| 2.8 知识库系统 | 第30-33页 |
| 2.8.1 知识库系统的发展 | 第31页 |
| 2.8.2 知识库系统的研究现状 | 第31-32页 |
| 2.8.3 知识库系统的结构与功能 | 第32-33页 |
| 2.9 本章小结 | 第33-35页 |
| 第3章 基于马尔可夫预测模型的推荐算法 | 第35-47页 |
| 3.1 问题提出以及现有解决办法 | 第35-36页 |
| 3.2 传统的基于项的协同过滤方法 | 第36-38页 |
| 3.3 基于马尔可夫预测模型的协同过滤技术 | 第38-44页 |
| 3.3.1 马尔可夫链的基本概念 | 第38-39页 |
| 3.3.2 根据用户的连续行为进行马尔可夫链构造 | 第39-41页 |
| 3.3.3 张量的概念 | 第41-42页 |
| 3.3.4 转移矩阵的张量分解 | 第42-43页 |
| 3.3.5 基于协同过滤的推荐 | 第43-44页 |
| 3.4 实验分析 | 第44-46页 |
| 3.4.1 实验环境及实验数据 | 第44页 |
| 3.4.2 实验结果 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于流程驱动和粗糙集的企业知识推荐模型研究 | 第47-55页 |
| 4.1 问题提出以及现有解决办法 | 第47-48页 |
| 4.2 面向流程的领域知识描述方法 | 第48-49页 |
| 4.3 面向流程的领域知识推送架构 | 第49-50页 |
| 4.4 基于流程驱动和粗糙集的知识推送方式 | 第50-51页 |
| 4.5 基于粗糙集的知识匹配模型构建 | 第51-53页 |
| 4.5.1 粗糙集的基本理论 | 第51-52页 |
| 4.5.2 基于粗糙集的知识匹配模型 | 第52-53页 |
| 4.6 本章小结 | 第53-55页 |
| 第5章 企业知识个性化推荐的应用 | 第55-59页 |
| 5.1 基于马尔可夫预测模型推荐算法的应用 | 第55页 |
| 5.2 基于流程驱动和粗糙集的企业知识推荐模型的应用 | 第55-58页 |
| 5.3 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 未来展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 在学期间主要研究成果 | 第67页 |
| 一、发表学术论文 | 第67页 |