| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本文主要研究内容和创新点 | 第15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第2章 协同过滤算法概述 | 第17-30页 |
| 2.1 协同过滤算法的工作流程 | 第17-22页 |
| 2.2 协同过滤推荐算法的分类 | 第22-23页 |
| 2.3 基于内存的（Memory-based）协同过滤 | 第23-24页 |
| 2.3.1 基于用户的（User-based）协同过滤推荐算法 | 第23-24页 |
| 2.3.2 基于项目的（Item-based）协同过滤推荐算法 | 第24页 |
| 2.3.3 基于Horting图的推荐算法 | 第24页 |
| 2.4 基于模型的（Model-based）协同过滤 | 第24-26页 |
| 2.4.1 基于聚类的协同过滤 | 第25页 |
| 2.4.2 基于贝叶斯网络模型的推荐算法 | 第25页 |
| 2.4.3 关联规则推荐算法 | 第25-26页 |
| 2.5 协同过滤算法的评测标准 | 第26-29页 |
| 2.5.1 误差率 | 第26-27页 |
| 2.5.2 命中率 | 第27-28页 |
| 2.5.3 其他标准 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 基于融合时间衰减曲线的协同过滤算法 | 第30-40页 |
| 3.1 算法优化背景 | 第30页 |
| 3.2 融合时间衰减曲线的协同过滤 | 第30-35页 |
| 3.2.1 算法思想 | 第31页 |
| 3.2.2 融合时间衰减曲线的协同过滤实现过程 | 第31-33页 |
| 3.2.3 对衰减因子a的讨论 | 第33-35页 |
| 3.3 实验结果与分析 | 第35-38页 |
| 3.3.1 数据集介绍 | 第35页 |
| 3.3.2 实验环境 | 第35页 |
| 3.3.3 实验评测标准 | 第35-36页 |
| 3.3.4 实验方案 | 第36页 |
| 3.3.5 实验结果与分析 | 第36-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第4章 基于权重调节的矩阵补全协同过滤 | 第40-50页 |
| 4.1 算法优化背景 | 第40页 |
| 4.2 基于权重调节的矩阵补全协同过滤 | 第40-45页 |
| 4.2.1 算法思想 | 第40-42页 |
| 4.2.2 算法实现过程 | 第42-44页 |
| 4.2.3 算法伪代码 | 第44-45页 |
| 4.3 实验结果与分析 | 第45-48页 |
| 4.3.1 前期准备 | 第45-46页 |
| 4.3.2 实验方案 | 第46页 |
| 4.3.3 实验结果与分析 | 第46-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50-51页 |
| 5.2 展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 作者简介及在学期间科研成果 | 第56-57页 |
| 致谢 | 第57-58页 |
