| 致谢 | 第5-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 第一章 绪论 | 第14-23页 |
| 1.1 研究背景和选题意义 | 第15-17页 |
| 1.1.1 研究背景 | 第15-17页 |
| 1.1.2 选题意义 | 第17页 |
| 1.2 国内外研究现状和问题分析 | 第17-21页 |
| 1.2.1 稀疏性和冷启动问题 | 第17-19页 |
| 1.2.2 人格与偏好的关系研究 | 第19-20页 |
| 1.2.3 问题分析 | 第20-21页 |
| 1.3 主要研究内容及论文结构 | 第21-23页 |
| 1.3.1 主要研究内容 | 第21页 |
| 1.3.2 论文结构 | 第21-23页 |
| 第二章 单分类协同过滤基础模型 | 第23-30页 |
| 2.1 相似性度量方法 | 第23-25页 |
| 2.1.1 杰卡德相似 | 第23页 |
| 2.1.2 余弦相似和修正的余弦相似 | 第23-24页 |
| 2.1.3 皮尔森相关性 | 第24页 |
| 2.1.4 其他距离相似性计算方法 | 第24-25页 |
| 2.2 基于内存的协同过滤 | 第25-27页 |
| 2.2.1 基于用户的协同过滤 | 第25-26页 |
| 2.2.2 基于产品的协同过滤 | 第26-27页 |
| 2.3 基于模型的协同过滤 | 第27-30页 |
| 2.3.1 矩阵分解模型 | 第27-28页 |
| 2.3.2 加权正则矩阵分解模型 | 第28-30页 |
| 第三章 融合人格特质的单分类协同过滤方法 | 第30-43页 |
| 3.1 大五人格理论 | 第30页 |
| 3.2 融合人格特质的单分类协同过滤模型 | 第30-34页 |
| 3.2.1 基于人格特质的用户相似计算 | 第32页 |
| 3.2.2 基于人格特质的近邻方法 | 第32-33页 |
| 3.2.3 基于人格特质的矩阵分解模型 | 第33-34页 |
| 3.3 实验验证 | 第34-41页 |
| 3.3.1 实验使用的数据集 | 第34-36页 |
| 3.3.2 评价指标 | 第36-37页 |
| 3.3.3 实验结果 | 第37-39页 |
| 3.3.4 敏感性分析 | 第39-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第四章 融合人格特质和物品标签的单分类协同过滤方法 | 第43-56页 |
| 4.1 物品标签相关知识 | 第43-46页 |
| 4.2 融合人格特质和物品标签的矩阵分解模型 | 第46-49页 |
| 4.2.1 用户兴趣标签库的构建 | 第46-47页 |
| 4.2.2 基于人格特质和用户兴趣标签库的矩阵分解模型 | 第47-49页 |
| 4.3 实验验证 | 第49-55页 |
| 4.3.1 实验使用的数据集 | 第49-50页 |
| 4.3.2 评价指标 | 第50-51页 |
| 4.3.3 实验结果 | 第51-53页 |
| 4.3.4 敏感性分析 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-59页 |
| 5.1 论文工作总结 | 第56-57页 |
| 5.2 未来展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第63-65页 |