| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 推荐系统研究现状 | 第11-12页 |
| 1.2.2 推荐算法研究现状 | 第12-14页 |
| 1.3 本文的研究内容 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第二章 个性化推荐相关理论和技术 | 第17-27页 |
| 2.1 推荐系统框架 | 第17-18页 |
| 2.2 推荐算法 | 第18-23页 |
| 2.2.1 协同过滤推荐 | 第18-20页 |
| 2.2.2 其他推荐算法 | 第20-22页 |
| 2.2.3 混合推荐 | 第22-23页 |
| 2.3 算法评测 | 第23-26页 |
| 2.3.1 评测方法 | 第23页 |
| 2.3.2 评价准则 | 第23-26页 |
| 2.4 本章总结 | 第26-27页 |
| 第三章 面向非权限信息的推荐技术研究 | 第27-41页 |
| 3.1 问题的提出 | 第27-28页 |
| 3.2 算法描述 | 第28-32页 |
| 3.2.1 算法框架 | 第28-29页 |
| 3.2.2 初始推荐单元获取 | 第29-30页 |
| 3.2.3 推荐单元判别 | 第30-32页 |
| 3.2.4 LRCF算法流程 | 第32页 |
| 3.3 实验设计 | 第32-36页 |
| 3.3.1 实验数据及相关处理 | 第32-34页 |
| 3.3.2 评价指标 | 第34-35页 |
| 3.3.3 实验过程 | 第35-36页 |
| 3.4 实验结果及分析 | 第36-39页 |
| 3.4.1 Logistic回归与协同过滤算法对比分析 | 第36-37页 |
| 3.4.2 LRCF与Logistic回归推荐单元数量对比分析 | 第37-38页 |
| 3.4.3 LRCF与协同过滤算法对比分析 | 第38-39页 |
| 3.5 本章总结 | 第39-41页 |
| 第四章 面向权限信息的推荐技术研究 | 第41-59页 |
| 4.1 问题的提出 | 第41-42页 |
| 4.2 算法描述 | 第42-50页 |
| 4.2.1 算法框架 | 第42-43页 |
| 4.2.2 用户特征处理及表示 | 第43-44页 |
| 4.2.3 用户相似性计算 | 第44-48页 |
| 4.2.4 最近邻获取及初始结果预测 | 第48-49页 |
| 4.2.5 获取最终预测结果 | 第49-50页 |
| 4.2.6 CFBP算法流程 | 第50页 |
| 4.3 实验设计 | 第50-52页 |
| 4.3.1 实验数据及相关处理 | 第50-51页 |
| 4.3.2 评价指标 | 第51-52页 |
| 4.3.3 实验过程 | 第52页 |
| 4.4 实验结果及分析 | 第52-58页 |
| 4.4.1 最近邻数量对CFBP算法的影响分析 | 第53-54页 |
| 4.4.2 相似性权重对CFBP算法的影响分析 | 第54-56页 |
| 4.4.3 相似性计算方式对CFBP算法的影响分析 | 第56-57页 |
| 4.4.4 CFBP算法推荐效果分析 | 第57-58页 |
| 4.5 本章总结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 论文工作总结 | 第59-60页 |
| 5.2 未来工作展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 作者在学期间取得的学术成果 | 第66-67页 |
| 附录A 作者在学期间参与的科研项目 | 第67页 |
