| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 主要研究内容及创新点 | 第12-13页 |
| 1.3.1 本文研究内容 | 第12页 |
| 1.3.2 本文创新点 | 第12-13页 |
| 1.4 论文结构 | 第13-15页 |
| 2 推荐系统及其相关知识 | 第15-25页 |
| 2.1 推荐系统技术种类 | 第15-18页 |
| 2.1.1 基于内容的推荐 | 第15-17页 |
| 2.1.2 协同过滤推荐 | 第17页 |
| 2.1.3 组合推荐 | 第17页 |
| 2.1.4 其它推荐技术 | 第17-18页 |
| 2.2 协同过滤推荐技术 | 第18-23页 |
| 2.2.1 协同过滤的原理 | 第18-20页 |
| 2.2.2 协同过滤的分类 | 第20-21页 |
| 2.2.3 协同过滤技术存在的问题 | 第21-23页 |
| 2.3 常用的相似度计算方法 | 第23-24页 |
| 2.3.1 余弦相似度计算方法 | 第23页 |
| 2.3.2 皮尔森相关系数计算方法 | 第23-24页 |
| 2.3.3 Jacard相似度计算方法 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 基于分类和特征相似性的冷启动优化算法 | 第25-36页 |
| 3.1 冷启动问题及研究意义 | 第25页 |
| 3.2 冷启动问题的解决思路 | 第25-28页 |
| 3.3 基于分类和特征相似性的冷启动优化算法 | 第28-34页 |
| 3.3.1 算法思想 | 第28-30页 |
| 3.3.2 算法设计 | 第30-34页 |
| 3.4 本章小结 | 第34-36页 |
| 4 基于多分段改进PCC和时间特性的协同过滤算法 | 第36-48页 |
| 4.1 数据稀疏性问题 | 第36-38页 |
| 4.1.1 稀疏性问题概述 | 第36-38页 |
| 4.1.2 稀疏性问题的影响方式 | 第38页 |
| 4.2 算法的提出 | 第38-41页 |
| 4.2.1 对评分矩阵进行处理 | 第39页 |
| 4.2.2 利用标签信息 | 第39-40页 |
| 4.2.3 改进相似度计算方法 | 第40-41页 |
| 4.3 基于多分段改进PCC和时间特性的协同过滤算法 | 第41-47页 |
| 4.3.1 相似度改进 | 第42-45页 |
| 4.3.2 预测评分改进 | 第45-46页 |
| 4.3.3 算法步骤 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 实验设计及结果分析 | 第48-59页 |
| 5.1 实验环境 | 第48页 |
| 5.2 实验数据集 | 第48-50页 |
| 5.3 评估标准 | 第50-52页 |
| 5.3.1 预测准确度 | 第51页 |
| 5.3.2 准确率与召回率 | 第51-52页 |
| 5.4 基于分类和特征相似性的冷启动算法的实验 | 第52-55页 |
| 5.4.1 实验设计 | 第52页 |
| 5.4.2 实验结果分析 | 第52-55页 |
| 5.5 基于多分段改进PCC和时间特性的协同过滤算法实验 | 第55-58页 |
| 5.5.1 实验设计 | 第55页 |
| 5.5.2 实验结果分析 | 第55-58页 |
| 5.6 本章小结 | 第58-59页 |
| 6 总结和展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间发表和录用的学术论文 | 第64-65页 |
| 致谢 | 第65-66页 |