| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景和意义 | 第10-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 研究内容和主要工作 | 第14页 |
| 1.4 论文结构 | 第14-16页 |
| 第二章 技术基础 | 第16-22页 |
| 2.1 引言 | 第16页 |
| 2.2 相似度度量方法 | 第16-18页 |
| 2.3 推荐算法 | 第18-21页 |
| 2.3.1 基于协同过滤的推荐 | 第18-20页 |
| 2.3.2 基于内容的推荐 | 第20页 |
| 2.3.3 基于社会化推荐 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 改进的分类驱动推荐算法 | 第22-50页 |
| 3.1 引言 | 第22页 |
| 3.2 分类驱动的推荐算法 | 第22-38页 |
| 3.2.1 信息模型表示方法 | 第22-24页 |
| 3.2.2 改进影片分类结构树 | 第24-26页 |
| 3.2.3 基于分类驱动的用户兴趣矩阵生成 | 第26-29页 |
| 3.2.4 改进基于分类驱动的相似用户寻找 | 第29-34页 |
| 3.2.5 推荐列表生成 | 第34-35页 |
| 3.2.6 算法复杂度分析 | 第35-38页 |
| 3.3 Topic Diversification（话题差异）算法 | 第38-40页 |
| 3.3.1 Topic Diversification过滤算法 | 第38-40页 |
| 3.4 性能测试 | 第40-49页 |
| 3.4.1 测试环境 | 第40-41页 |
| 3.4.2 测试方案 | 第41-42页 |
| 3.4.3 测试指标 | 第42-43页 |
| 3.4.4 测试结果及分析 | 第43-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 电影推荐系统原型设计 | 第50-63页 |
| 4.1 引言 | 第50页 |
| 4.2 需求描述 | 第50-51页 |
| 4.3 系统架构设计 | 第51-53页 |
| 4.4 功能结构设计 | 第53-56页 |
| 4.5 推荐引擎设计 | 第56-60页 |
| 4.6 数据库设计 | 第60-62页 |
| 4.7 本章小结 | 第62-63页 |
| 第五章 电影推荐系统实现 | 第63-71页 |
| 5.1 引言 | 第63页 |
| 5.2 电影推荐系统实现环境 | 第63页 |
| 5.2.1 系统开发环境 | 第63页 |
| 5.2.2 系统部署环境 | 第63页 |
| 5.3 推荐模块实现 | 第63-65页 |
| 5.4 性能优化实现 | 第65-66页 |
| 5.5 功能模块展示 | 第66-70页 |
| 5.6 本章小结 | 第70-71页 |
| 第六章 结论 | 第71-73页 |
| 6.1 全文总结 | 第71页 |
| 6.2 未来展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |