| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-13页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 研究现状 | 第8-11页 |
| 1.3 论文研究工作 | 第11页 |
| 1.4 论文的组织结构 | 第11-13页 |
| 2 相关工作 | 第13-27页 |
| 2.1 协同过滤的基本原理 | 第13-14页 |
| 2.2 协同过滤推荐算法 | 第14-16页 |
| 2.2.1 基于用户的协同过滤算法 | 第14-15页 |
| 2.2.2 基于项目的协同过滤技术 | 第15-16页 |
| 2.3 SlopeOne算法 | 第16-17页 |
| 2.4 聚类算法 | 第17-19页 |
| 2.4.1 K-Means聚类算法 | 第17-18页 |
| 2.4.2 FuzzyC-Means聚类算法 | 第18-19页 |
| 2.5 Winnow算法 | 第19-21页 |
| 2.6 相似度计算方法 | 第21-24页 |
| 2.6.1 余弦相似度 | 第21-22页 |
| 2.6.2 皮尔森相关系数 | 第22页 |
| 2.6.3 杰卡德相关系数 | 第22-23页 |
| 2.6.4 欧式距离 | 第23页 |
| 2.6.5 其他类型 | 第23-24页 |
| 2.7 推荐系统评价标准 | 第24-27页 |
| 2.7.1 预测准确性 | 第24-25页 |
| 2.7.2 推荐覆盖率(CR) | 第25页 |
| 2.7.3 准确率(Precision)和召回率(Recall) | 第25-27页 |
| 3 协同过滤技术中的数据预处理算法 | 第27-39页 |
| 3.1 基于模糊聚类和WeightedSlopeOne算法的数据清洗算法 | 第27-33页 |
| 3.1.1 问题的提出 | 第27-28页 |
| 3.1.2 算法设计 | 第28-32页 |
| 3.1.3 算法流程 | 第32-33页 |
| 3.2 基于Winnow算法的数据填充算法 | 第33-39页 |
| 3.2.1 问题的提出 | 第33-34页 |
| 3.2.2 算法设计 | 第34-36页 |
| 3.2.3 算法流程 | 第36-39页 |
| 4 仿真实验与结果分析 | 第39-43页 |
| 4.1 实验数据 | 第39页 |
| 4.2 实验方案 | 第39页 |
| 4.3 实验结果与分析 | 第39-41页 |
| 4.4 小结 | 第41-43页 |
| 结论 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 攻读硕士学位期间发表学术论文情况 | 第48-49页 |
| 致谢 | 第49-51页 |