| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 本文的研究内容 | 第12-13页 |
| 1.4 论文结构安排 | 第13-14页 |
| 2 相关技术研究 | 第14-31页 |
| 2.1 推荐系统概述 | 第14-21页 |
| 2.1.1 基于内容的推荐算法 | 第15-16页 |
| 2.1.2 协同过滤推荐算法 | 第16-20页 |
| 2.1.3 混合推荐算法 | 第20-21页 |
| 2.2 推荐算法的度量指标 | 第21-22页 |
| 2.2.1 定性指标 | 第21-22页 |
| 2.2.2 定量指标 | 第22页 |
| 2.3 聚类算法 | 第22-26页 |
| 2.3.1 聚类算法的相似性度量 | 第23-24页 |
| 2.3.2 K-means聚类算法 | 第24-26页 |
| 2.4 Weighted Slope One算法 | 第26-28页 |
| 2.4.1 Slope One算法模型 | 第26-27页 |
| 2.4.2 Weighted Slope One算法模型 | 第27-28页 |
| 2.5 Apache Mahout介绍 | 第28-29页 |
| 2.6 本章小结 | 第29-31页 |
| 3 基于WSO的K-means个性化推荐算法 | 第31-46页 |
| 3.1 初始聚类中心优化的K-means聚类算法 | 第31-35页 |
| 3.1.1 相关定义 | 第32-33页 |
| 3.1.2 基于距离-期望密度参数的K-means算法基本思想 | 第33-34页 |
| 3.1.3 初始聚类中心优化的K-means算法仿真实验 | 第34-35页 |
| 3.2 基于WSO的K-means个性化推荐算法 | 第35-45页 |
| 3.2.1 基于WSO的K-means个性化推荐算法基本思想 | 第36-37页 |
| 3.2.2 基于WSO的K-means个性化推荐算法的仿真实验 | 第37-45页 |
| 3.3 本章小结 | 第45-46页 |
| 4 基于WSO的K-means算法的林产品推荐应用研究 | 第46-52页 |
| 4.1 数据爬取工具 | 第46-47页 |
| 4.1.1 八爪鱼采集器 | 第46-47页 |
| 4.2 数据集 | 第47-49页 |
| 4.3 仿真实验 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间发表的学术论文 | 第57-58页 |
| 致谢 | 第58-59页 |
