| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 引言 | 第8-12页 |
| ·论文研究背景和意义 | 第8页 |
| ·国内外研究现状 | 第8-10页 |
| ·本文主要工作和内容安排 | 第10-12页 |
| 第2章 数据挖掘和个性化推荐技术 | 第12-22页 |
| ·数据挖掘 | 第12-14页 |
| ·数据挖掘概念 | 第12页 |
| ·数据挖掘的数据源 | 第12页 |
| ·数据挖掘的分类 | 第12-13页 |
| ·数据挖掘步骤 | 第13页 |
| ·数据挖掘应用现状 | 第13-14页 |
| ·个性化推荐技术 | 第14-22页 |
| ·个性化推荐 | 第14页 |
| ·视频网站的个性化推荐系统 | 第14-16页 |
| ·推荐系统的常用算法 | 第16-20页 |
| ·推荐技术的选择 | 第20-22页 |
| 第3章 关联规则研究--Apriori 算法的分析与改进 | 第22-36页 |
| ·关联规则 | 第22-24页 |
| ·关联规则相关项的定义 | 第22-23页 |
| ·关联规则的简单例子 | 第23-24页 |
| ·关联规则经典算法-Apriori 算法的分析 | 第24-28页 |
| ·Apriori 算法的基本思想 | 第24-26页 |
| ·Apriori 算法的流程图 | 第26页 |
| ·举例说明 Apriori 算法的运行过程 | 第26-28页 |
| ·算法 Apriori 存在的问题 | 第28页 |
| ·Apriori 算法的改进 | 第28-36页 |
| ·近年来 Apriori 算法的相关改进 | 第28页 |
| ·Apriori 算法的经典改进-FP-Growth | 第28-29页 |
| ·一种基于 LCS 的 Apriori 算法改进-fpmdf 算法 | 第29-36页 |
| 第4章 个性化电影推荐系统设计与实现 | 第36-54页 |
| ·开发环境和开发工具 | 第36页 |
| ·推荐系统的独立结构 | 第36-37页 |
| ·个性化电影推荐系统组成 | 第37-40页 |
| ·Off-Line 关联规则生成模块 | 第37-38页 |
| ·On-Line 推荐模块 | 第38-39页 |
| ·个性化电影推荐系统总流程图 | 第39-40页 |
| ·数据源的获取 | 第40-41页 |
| ·数据准备（数据预处理） | 第41-43页 |
| ·频繁模式挖掘的实现 | 第43-45页 |
| ·On-Line 推荐模块的实现 | 第45-50页 |
| ·推荐系统满意度评估实验设计 | 第50-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第62页 |
