| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-23页 |
| 1.1 推荐系统研究的背景及其意义 | 第9-11页 |
| 1.2 推荐系统研究发展历程 | 第11-15页 |
| 1.3 推荐系统存在的问题和挑战 | 第15-19页 |
| 1.3.1 评分矩阵稀疏性问题 | 第16-17页 |
| 1.3.2 冷启动问题 | 第17-18页 |
| 1.3.3 推荐系统的可扩展性和实时性 | 第18-19页 |
| 1.3.4 推荐系统的其它问题 | 第19页 |
| 1.4 主要研究的内容和实验设计方案 | 第19-21页 |
| 1.5 论文的组织结构 | 第21-23页 |
| 第2章 推荐系统相关理论基础知识 | 第23-43页 |
| 2.1 个性化推荐系统 | 第23-31页 |
| 2.1.1 个性化推荐系统概述 | 第24页 |
| 2.1.2 个性化推荐系统类型 | 第24-29页 |
| 2.1.3 推荐系统的结构框架与工程流程 | 第29-31页 |
| 2.2 协同过滤推荐算法 | 第31-38页 |
| 2.2.1 基于内存的协同过滤推荐算法 | 第33-37页 |
| 2.2.2 基于模型的协同过滤算法 | 第37-38页 |
| 2.3 其它相关技术 | 第38-40页 |
| 2.3.1 k-means聚类算法 | 第38-39页 |
| 2.3.2 评价指标[14] | 第39-40页 |
| 2.4 本章小结 | 第40-43页 |
| 第3章 基于item-use r混合协同过滤的线下处理 | 第43-51页 |
| 3.1 稀疏评分矩阵的填充 | 第43-46页 |
| 3.1.1 传统评分矩阵的填充方法及其分析 | 第43-44页 |
| 3.1.2 改进的项目评分预测的填充算法 | 第44-46页 |
| 3.2 评分矩阵聚类 | 第46-49页 |
| 3.2.1 基于项目的评分矩阵聚类 | 第46-48页 |
| 3.2.2 基于用户的聚类 | 第48-49页 |
| 3.3 本章总结 | 第49-51页 |
| 第4章 基于item-user混合协同过滤的线上处理 | 第51-55页 |
| 4.1 item-based协同过滤评分预测 | 第51-52页 |
| 4.2 user-based协同过滤评分预测 | 第52-53页 |
| 4.3 基于item-user相结合评分预测 | 第53页 |
| 4.4 本章总结 | 第53-55页 |
| 第5章 实验设计及其结果分析 | 第55-63页 |
| 5.1 实验环境与实验数据集 | 第55-56页 |
| 5.2 实验使用相似度算法与评价指标 | 第56页 |
| 5.3 实验方案设计与结果分析 | 第56-62页 |
| 5.3.1 聚类算法K值的确定 | 第57-58页 |
| 5.3.2 数据稀疏性试验结果分析 | 第58-60页 |
| 5.3.3 检验实时性 | 第60页 |
| 5.3.4 改进算法与传统算法MAE比较 | 第60-61页 |
| 5.3.5 precision比较 | 第61-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-67页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 附录 学术成果 | 第73页 |