| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 论文研究的背景及意义 | 第10-11页 |
| 1.2 国内外研究的现状和发展趋势 | 第11-12页 |
| 1.2.1 个性化推荐的国内外研究现状 | 第11-12页 |
| 1.2.2 个性化推荐的国内研究现状 | 第12页 |
| 1.3 论文研究的内容 | 第12-14页 |
| 第二章 教学网站与个性化推荐系统 | 第14-29页 |
| 2.1 国内外教学网站的发展历程 | 第14-16页 |
| 2.1.1 国外教学网站发展历程 | 第14-15页 |
| 2.1.2 国内教学网站的兴起 | 第15-16页 |
| 2.2 个性化推荐系统概述 | 第16-22页 |
| 2.2.1 个性化推荐优点 | 第17-18页 |
| 2.2.2 个性化推荐系统分类 | 第18-21页 |
| 2.2.3 个性化推荐的算法 | 第21页 |
| 2.2.4 推荐系统的推荐方式 | 第21-22页 |
| 2.3 推荐系统采用的技术 | 第22-25页 |
| 2.3.1 基于内容的推荐技术 | 第22-24页 |
| 2.3.2 基于数据挖掘的推荐技术 | 第24页 |
| 2.3.3 协同过滤技术 | 第24-25页 |
| 2.4 研究推荐系统的内容 | 第25-27页 |
| 2.5 个性化推荐模型的建立 | 第27-29页 |
| 第三章 协同过滤推荐算法 | 第29-39页 |
| 3.1 协同过滤技术 | 第29-32页 |
| 3.1.1 协同过滤的定义 | 第29页 |
| 3.1.2 协同过滤的优点 | 第29-30页 |
| 3.1.3 协同过滤的技术原理 | 第30-32页 |
| 3.2 协同过滤推荐算法 | 第32-39页 |
| 3.2.1 基于用户的协同过滤技术的推荐算法 | 第32-37页 |
| 3.2.2 基于项目的协同过滤技术的推荐算法 | 第37-39页 |
| 第四章 协同过滤算法的改进以及测试 | 第39-50页 |
| 4.1 协同过滤算法存在的问题 | 第39-40页 |
| 4.1.1 数据稀疏 | 第39页 |
| 4.1.2 冷启动问题 | 第39-40页 |
| 4.1.3 用户评分宽松不一 | 第40页 |
| 4.2 用户评分问题的算法改进 | 第40-43页 |
| 4.2.1 用户潜在偏好 | 第40-42页 |
| 4.2.2 相似度计算 | 第42页 |
| 4.2.3 产生推荐 | 第42-43页 |
| 4.3 实验以及测试结果展示 | 第43-46页 |
| 4.3.1 实验数据集的选择 | 第43页 |
| 4.3.2 实验环境 | 第43页 |
| 4.3.3 度量标准 | 第43-44页 |
| 4.3.4 实验结果展示 | 第44-46页 |
| 4.4 冷启动以及数据稀疏问题旳解决 | 第46-48页 |
| 4.4.1 解决新用户常用办法 | 第46页 |
| 4.4.2 解决新项目的常用方法 | 第46页 |
| 4.4.3 用信息熵的方法解决冷启动及数据稀疏问题 | 第46-47页 |
| 4.4.4 实验结果展示 | 第47-48页 |
| 4.5 协同过滤推荐评估方法 | 第48-50页 |
| 4.5.1 用户满意度 | 第49页 |
| 4.5.2 覆盖率 | 第49-50页 |
| 第五章 网站的设计模型和设计成果展示 | 第50-54页 |
| 5.1 与传统的教学网站的比较 | 第50-51页 |
| 5.2 网站的模型设计 | 第51-52页 |
| 5.2.1 模型总体设计 | 第51页 |
| 5.2.2 推荐系统的功能模块 | 第51-52页 |
| 5.3 用户登陆页面以及推荐页面展示 | 第52-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 本文工作的总结 | 第54页 |
| 6.2 今后的工作展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士期间发表的论文 | 第59-60页 |
| 致谢 | 第60页 |