| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 研究背景和意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 论文内容与结构 | 第18-21页 |
| 第二章 云服务推荐相关理论基础 | 第21-29页 |
| 2.1 引言 | 第21页 |
| 2.2 云服务推荐方法 | 第21-26页 |
| 2.2.1 基于协同过滤的云服务推荐方法 | 第21-24页 |
| 2.2.2 基于内容的云服务推荐方法 | 第24-25页 |
| 2.2.3 云服务组合推荐方法 | 第25页 |
| 2.2.4 云服务推荐方法对比 | 第25-26页 |
| 2.3 云服务推荐系统评价标准 | 第26-28页 |
| 2.3.1 基于值的云服务推荐系统评价标准 | 第26页 |
| 2.3.2 基于排序的云服务推荐系统评价标准 | 第26-27页 |
| 2.3.3 基于命中率的云服务推荐系统评价标准 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 云服务用户的增强型相似性度量方法 | 第29-38页 |
| 3.1 引言 | 第29页 |
| 3.2 用户相似性度量方法 | 第29-33页 |
| 3.2.1 余弦相似性 | 第29-30页 |
| 3.2.2 修正的余弦相似性 | 第30-31页 |
| 3.2.3 基于皮尔逊相关系数的相关相似性 | 第31-32页 |
| 3.2.4 基于肯德尔相关系数的相关相似性 | 第32-33页 |
| 3.3 基于Jaccard因子的增强型相似性度量 | 第33-35页 |
| 3.3.1 Jaccard因子 | 第33-34页 |
| 3.3.2 增强型相似性度量 | 第34-35页 |
| 3.4 实验研究 | 第35-36页 |
| 3.4.1 实验准备 | 第35页 |
| 3.4.2 采用不同相似性度量方法的预测结果比较 | 第35-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 考虑用户相似性和满意度的云服务推荐方法 | 第38-50页 |
| 4.1 引言 | 第38页 |
| 4.2 考虑用户相似性和满意度的云服务排序推荐过程 | 第38-40页 |
| 4.3 用户满意度度量方法 | 第40-42页 |
| 4.3.1 QoS数据归一化 | 第40页 |
| 4.3.2 用户满意度度量函数 | 第40-42页 |
| 4.3.3 相似用户选取 | 第42页 |
| 4.4 云服务排序预测方法 | 第42-44页 |
| 4.5 实验研究 | 第44-49页 |
| 4.5.1 与现有云服务推荐方法的实验对比 | 第44-46页 |
| 4.5.2 两个重要参数对实验结果的影响 | 第46-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 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 |
| 攻读硕士学位期间的学术活动及成果情况 | 第56-57页 |