| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12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页 |
| 1.2.3 本文的研究重点 | 第11-12页 |
| 1.3 本文组织结构安排 | 第12-13页 |
| 1.4 本章小结 | 第13-15页 |
| 2 基本理论介绍与经典推荐方法 | 第15-27页 |
| 2.1 机器学习基本理论 | 第15-17页 |
| 2.1.1 机器学习技术应用于图书馆推荐系统中的必然性 | 第15-16页 |
| 2.1.2 图书馆机器学习的应用模型 | 第16-17页 |
| 2.2 知识图谱、本体基本原理和可视化工具介绍 | 第17-20页 |
| 2.2.1 知识图谱概述 | 第17-18页 |
| 2.2.2 本体概述 | 第18页 |
| 2.2.3 可视化软件工具 | 第18-20页 |
| 2.3 图书推荐算法 | 第20-25页 |
| 2.3.1 基于用户的协同过滤算法 | 第20-22页 |
| 2.3.2 基于内容的推荐算法 | 第22-24页 |
| 2.3.3 基于关联规则的推荐算法 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 3 基于知识图谱的国内图书推荐相关性研究 | 第27-39页 |
| 3.1 引言 | 第27页 |
| 3.2 知识图谱算法 | 第27-29页 |
| 3.3 基于知识图谱的图书推荐 | 第29-37页 |
| 3.3.1 数据来源 | 第30页 |
| 3.3.2 基于知识图谱的作者分析 | 第30-32页 |
| 3.3.3 基于知识图谱的机构分析 | 第32-34页 |
| 3.3.4 基于知识图谱的关键词分析 | 第34-37页 |
| 3.4 分析结论 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 4 基于模糊本体和遗传算法的推荐系统研究 | 第39-49页 |
| 4.1 引言 | 第39-40页 |
| 4.2 使用模糊本体和遗传算法的推荐方法 | 第40-45页 |
| 4.2.1 图书本体构建 | 第41-42页 |
| 4.2.2 图书模糊本体构建 | 第42-43页 |
| 4.2.3 聚类 | 第43-44页 |
| 4.2.4 遗传算法确定系数 | 第44-45页 |
| 4.3 推荐 | 第45页 |
| 4.4 实验与分析 | 第45-47页 |
| 4.5 本章小结 | 第47-49页 |
| 5 总结与展望 | 第49-51页 |
| 5.1 工作总结 | 第49-50页 |
| 5.2 工作展望 | 第50-51页 |
| 参考文献 | 第51-57页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第57-59页 |
| 致谢 | 第59-61页 |