| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第8-13页 |
| 1.1 研究意义及背景 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 国内外图书推荐系统 | 第9-10页 |
| 1.2.2 协同过滤研究现状 | 第10-11页 |
| 1.3 本文研究内容及组织结构 | 第11-13页 |
| 第二章 推荐系统及其相关理论 | 第13-25页 |
| 2.1 推荐系统工作流程 | 第13-14页 |
| 2.2 推荐算法分类 | 第14-22页 |
| 2.2.1 基于人口统计学的推荐 | 第14-15页 |
| 2.2.2 基于内容的推荐 | 第15-16页 |
| 2.2.3 基于知识的推荐 | 第16页 |
| 2.2.4 协同过滤推荐算法 | 第16-22页 |
| 2.2.5 混合推荐算法 | 第22页 |
| 2.3 推荐系统评价标准 | 第22-24页 |
| 2.3.1 评分预测准确度 | 第23页 |
| 2.3.2 使用预测准确度 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于图书类别的协同过滤算法 | 第25-36页 |
| 3.1 中国图书分类法 | 第25页 |
| 3.2 评分数据稀疏性问题分析 | 第25-27页 |
| 3.2.1 评分转化 | 第25-26页 |
| 3.2.2 评分归一化 | 第26-27页 |
| 3.3 基于中图分类号和用户评分的用户相似度 | 第27-29页 |
| 3.4 聚类算法应用 | 第29-32页 |
| 3.4.1 聚类算法简介 | 第29-30页 |
| 3.4.2 聚类中的距离计算方法 | 第30-31页 |
| 3.4.3 K-means聚类算法 | 第31-32页 |
| 3.5 基于用户聚类的改进相似度的协同过滤算法设计 | 第32-35页 |
| 3.5.1 基于用户聚类的改进相似度的协同过滤算法思想 | 第32页 |
| 3.5.2 算法设计 | 第32-35页 |
| 3.5.3 算法说明 | 第35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 改进后的算法实现及实验结果分析 | 第36-47页 |
| 4.1 数据预处理 | 第36-38页 |
| 4.1.1 数据集 | 第36-37页 |
| 4.1.2 数据拆分 | 第37页 |
| 4.1.3 数据清理和数据准备 | 第37-38页 |
| 4.2 算法设计与实现 | 第38-43页 |
| 4.2.1 算法数据库设计 | 第38-39页 |
| 4.2.2 算法实现 | 第39-43页 |
| 4.3 实验结果分析 | 第43-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 个性化图书推荐系统设计与实现 | 第47-54页 |
| 5.1 需求分析 | 第47页 |
| 5.2 系统分析 | 第47-50页 |
| 5.2.1 系统整体设计 | 第47-48页 |
| 5.2.2 系统功能设计 | 第48-49页 |
| 5.2.3 系统数据库设计 | 第49-50页 |
| 5.3 系统实现 | 第50-53页 |
| 5.3.1 开发环境 | 第50-51页 |
| 5.3.2 功能实现 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-55页 |
| 6.1 总结 | 第54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间研究成果 | 第58-59页 |
| 致谢 | 第59页 |