| 内容摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-14页 |
| ·研究的背景和意义 | 第8-10页 |
| ·研究现状 | 第10-12页 |
| ·主要研究内容 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| ·本章小结 | 第14页 |
| 第2章 个性化推荐系统及其相关技术 | 第14-19页 |
| ·个性化推荐系统概述 | 第14-15页 |
| ·推荐技术 | 第15-18页 |
| ·基于规则的推荐 | 第15-16页 |
| ·基于内容的推荐 | 第16-17页 |
| ·基于协同过滤的推荐 | 第17-18页 |
| ·主要的个性化推荐技术的比较 | 第18-19页 |
| ·本章小结 | 第19页 |
| 第3章 协同过滤推荐算法剖析与改进分析 | 第19-28页 |
| ·协同过滤推荐算法的主要原理 | 第19-20页 |
| ·协同过滤推荐算法分类 | 第20-21页 |
| ·基于内存的协同过滤算法 | 第21-26页 |
| ·基于用户的协同过滤算法(User-Based CF) | 第21-24页 |
| ·基于项目的协同过滤算法(Item-Based CF) | 第24-26页 |
| ·协同过滤算法的比较分析 | 第26页 |
| ·协同过滤算法相关改进 | 第26-28页 |
| ·本章小结 | 第28页 |
| 第4章 基于云模型的时间修正协同过滤推荐算法 | 第28-42页 |
| ·问题的概述 | 第28-29页 |
| ·云模型的描述 | 第29-34页 |
| ·云的可视化方法 | 第30-31页 |
| ·云模型的3En规则 | 第31页 |
| ·云模型及其云发生器 | 第31-34页 |
| ·传统的时间效应函数 | 第34-35页 |
| ·项目属性相似度 | 第35-37页 |
| ·利用云模型改进项目相似度计算 | 第37-40页 |
| ·传统的Pearson项目相似度计算法的改进 | 第37-38页 |
| ·基于云模型的项目特征属性相似度计算 | 第38-40页 |
| ·时间效应对相似度计算的优化 | 第40页 |
| ·基于云模型的时间修正协同过滤推算法的实现 | 第40-42页 |
| ·本章小结 | 第42页 |
| 第5章 实验 | 第42-49页 |
| ·实验目的 | 第42页 |
| ·实验数据与环境 | 第42-43页 |
| ·实验度量标准 | 第43-44页 |
| ·实验方案及结果分析 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 第6章 总结与展望 | 第49-51页 |
| ·本文工作总结 | 第49-50页 |
| ·下一步工作展望 | 第50-51页 |
| 附录 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 后记 | 第54页 |