| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 推荐系统国内外研究现状 | 第12-13页 |
| 1.3 论文研究内容和结构安排 | 第13-15页 |
| 第2章 推荐系统相关概述 | 第15-25页 |
| 2.1 推荐系统概述 | 第15页 |
| 2.2 推荐系统主要方法 | 第15-20页 |
| 2.2.1 推荐系统的组成 | 第16-17页 |
| 2.2.2 基于协同过滤的推荐系统 | 第17-18页 |
| 2.2.3 基于内容的推荐系统 | 第18-19页 |
| 2.2.4 基于社交网络的推荐系统 | 第19页 |
| 2.2.5 混合式推荐系统 | 第19-20页 |
| 2.3 推荐系统评测指标 | 第20-23页 |
| 2.3.1 准确度 | 第20-21页 |
| 2.3.2 覆盖度 | 第21-22页 |
| 2.3.4 满意度 | 第22页 |
| 2.3.5 多样性 | 第22-23页 |
| 2.4 推荐系统主要缺陷 | 第23-24页 |
| 2.4.1 数据稀疏性问题 | 第23页 |
| 2.4.2 可移植性和实时性差 | 第23-24页 |
| 2.4.3 兴趣漂移问题 | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于用户时间信息的协同过滤算法 | 第25-39页 |
| 3.1 传统的协同过滤算法 | 第25-31页 |
| 3.1.1 传统的基于用户的协同过滤算法 | 第25-28页 |
| 3.1.2 传统的基于物品的协同过滤算法 | 第28-30页 |
| 3.1.3 UBCF 与 IBCF 比较 | 第30-31页 |
| 3.2 基于时间上下文信息的协同过滤算法 | 第31-38页 |
| 3.2.1 时间上下文概述 | 第31-32页 |
| 3.2.2 相关符号定义 | 第32-33页 |
| 3.2.3 基于时间上下文信息的 TUBCF 算法 | 第33-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第4章 基于用户信任信息的协同过滤算法 | 第39-48页 |
| 4.1 信任概述 | 第39-40页 |
| 4.2 基于信任上下文的 TRUBCF 算法 | 第40-45页 |
| 4.2.1 TrUBCF 算法信任值计算模型及实现 | 第41-44页 |
| 4.2.2 TrUBCF 算法预测计算 | 第44-45页 |
| 4.3 混合用户时间信息和信任信息的 TRTUBCF 算法 | 第45-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第5章 实验与结果分析 | 第48-56页 |
| 5.1 实验数据与实验环境 | 第48-49页 |
| 5.1.1 实验数据集 | 第48-49页 |
| 5.1.2 实验环境 | 第49页 |
| 5.2 实验评价标准 | 第49页 |
| 5.3 实验方案 | 第49-50页 |
| 5.4 实验结果及分析 | 第50-54页 |
| 5.4.1 算法参数分析 | 第50-52页 |
| 5.4.2 算法性能比较 | 第52-54页 |
| 5.5 总结与展望 | 第54-55页 |
| 5.6 本章小结 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 作者简介 | 第61-62页 |
| 致谢 | 第62页 |
