| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景与研究意义 | 第11页 |
| 1.2 推荐算法国内外研究现状 | 第11-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 协同过滤与相关技术介绍 | 第16-29页 |
| 2.1 协同过滤推荐算法 | 第16-20页 |
| 2.1.1 协同过滤的基本原理与分类 | 第16-18页 |
| 2.1.2 协同过滤算法 | 第18页 |
| 2.1.3 基于用户的协同过滤推荐算法 | 第18-19页 |
| 2.1.4 基于项目的协同过滤推荐算法 | 第19页 |
| 2.1.5 协同过滤推荐算法的缺陷 | 第19-20页 |
| 2.2 相似性比较方法 | 第20-23页 |
| 2.2.1 余弦相似性 | 第21页 |
| 2.2.2 修正的余弦相似性 | 第21-22页 |
| 2.2.3 Pearson相关系数 | 第22-23页 |
| 2.3 Slope One算法 | 第23-28页 |
| 2.3.1 Slope One算法概述 | 第23-25页 |
| 2.3.2 Weighted Slope One算法 | 第25-26页 |
| 2.3.3 Bi-Polar Slope One算法 | 第26-27页 |
| 2.3.4 Slope One算法的优势 | 第27页 |
| 2.3.5 Slope One算法的缺陷及改进策略 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于非负矩阵分解的Slope One算法 | 第29-41页 |
| 3.1 矩阵分解 | 第29-34页 |
| 3.1.1 奇异值分解 | 第30-32页 |
| 3.1.2 非负矩阵分解 | 第32-34页 |
| 3.2 基于非负矩阵分解的Slope One算法 | 第34-35页 |
| 3.2.1 NMF-Slope One算法的相似性计算 | 第34页 |
| 3.2.2 NMF-Slope One算法实现步骤 | 第34-35页 |
| 3.3 实验及实验结果分析 | 第35-40页 |
| 3.3.1 实验环境介绍 | 第35页 |
| 3.3.2 实验所用数据集介绍 | 第35-36页 |
| 3.3.3 实验选择的度量标准 | 第36页 |
| 3.3.4 实验结果及分析 | 第36-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于非负矩阵分解与模糊聚类的Slope One算法 | 第41-50页 |
| 4.1 聚类 | 第41-43页 |
| 4.1.1 K-Means聚类算法 | 第41-42页 |
| 4.1.2 模糊聚类 | 第42-43页 |
| 4.2 基于非负矩阵分解与模糊聚类的Slope One算法 | 第43-45页 |
| 4.2.1 关于改进算法的基本考虑 | 第43-44页 |
| 4.2.2 数据预处理：NMF技术 | 第44页 |
| 4.2.3 使用模糊聚类技术集群用户 | 第44-45页 |
| 4.2.4 预测 | 第45页 |
| 4.3 实验及实验结果分析 | 第45-49页 |
| 4.3.1 实验环境介绍 | 第45-46页 |
| 4.3.2 实验所用数据集介绍 | 第46页 |
| 4.3.3 实验选择的度量标准 | 第46页 |
| 4.3.4 结果和讨论 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 全文总结 | 第50页 |
| 5.2 工作展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 作者简介及在学期间所取得的科研成果 | 第56-57页 |
| 致谢 | 第57页 |
