| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究意义以及目的 | 第12页 |
| 1.3 研究现状 | 第12-14页 |
| 1.4 论文研究内容与结构 | 第14-15页 |
| 第2章 相关理论介绍 | 第15-27页 |
| 2.1 协同过滤基本原理 | 第15-16页 |
| 2.2 协同过滤推荐算法 | 第16-21页 |
| 2.2.1 基于用户的协同过滤算法（User-Based CF） | 第18-20页 |
| 2.2.2 基于项目的协同过滤算法（Item-Based CF） | 第20-21页 |
| 2.3 现有的相似度评价标准 | 第21-25页 |
| 2.3.1 余弦相似性 | 第21-22页 |
| 2.3.2 皮尔森相关系数 | 第22-24页 |
| 2.3.3 欧氏距离相似性 | 第24-25页 |
| 2.3.4 杰卡德相关系数(Jaccard系数) | 第25页 |
| 2.4 推荐系统的评价标准 | 第25-26页 |
| 2.4.1 预测准确性 | 第25-26页 |
| 2.4.2 分类准确性 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 融合用户特征和项目关系的协同过滤算法 | 第27-41页 |
| 3.1 引言 | 第27页 |
| 3.2 冷启动问题现有的解决方法 | 第27-28页 |
| 3.3 融合项目关系的用户间相似性计算方法 | 第28-30页 |
| 3.4 融合用户特征的用户间相似性计算方法 | 第30-31页 |
| 3.5 融合用户特征和项目关系的协同过滤算法 | 第31-35页 |
| 3.5.1 算法思想 | 第31-33页 |
| 3.5.2 算法设计 | 第33-35页 |
| 3.5.3 算法描述 | 第35页 |
| 3.6 实验设计与分析 | 第35-40页 |
| 3.6.1 实验数据集与环境 | 第35-37页 |
| 3.6.2 实验方案 | 第37-38页 |
| 3.6.3 实验结果与分析 | 第38-40页 |
| 3.7 本章小结 | 第40-41页 |
| 第4章 基于用户评分预测的协同过滤推荐算法 | 第41-50页 |
| 4.1 引言 | 第41页 |
| 4.2 问题的提出 | 第41-42页 |
| 4.3 算法内容 | 第42-47页 |
| 4.3.1 算法思路 | 第42-44页 |
| 4.3.2 算法设计 | 第44-47页 |
| 4.3.3 算法描述 | 第47页 |
| 4.4 实验设计与分析 | 第47-49页 |
| 4.4.1 实验数据及环境 | 第47-48页 |
| 4.4.2 实验方案 | 第48页 |
| 4.4.3 实验结果与分析 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 本文总结 | 第50-51页 |
| 5.2 存在问题及展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 作者简介及在学期间所取得的科研成果 | 第55-56页 |
| 致谢 | 第56-57页 |
| 附录 Ⅰ | 第57-63页 |
| 附录 Ⅱ | 第63页 |