| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题的研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究方法及内容 | 第12-14页 |
| 第2章 推荐方法相关理论和技术背景 | 第14-26页 |
| 2.1 推荐技术 | 第14-19页 |
| 2.1.1 推荐系统概述 | 第14-16页 |
| 2.1.2 推荐技术分类 | 第16-19页 |
| 2.2 协同过滤算法 | 第19-25页 |
| 2.2.1 相似度计算 | 第20-22页 |
| 2.2.2 经典的协同过滤算法 | 第22-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 基于时间权重和标签信息的协同过滤推荐方法 | 第26-34页 |
| 3.1 引言 | 第26页 |
| 3.2 基于时间权重和标签信息的推荐方法 | 第26-29页 |
| 3.2.1 基本概念 | 第26-28页 |
| 3.2.2 改进的相似度 | 第28页 |
| 3.2.3 预测评分 | 第28-29页 |
| 3.3 实验 | 第29-33页 |
| 3.3.1 实验数据和设置 | 第29-30页 |
| 3.3.2 实验结果和分析 | 第30-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 用户兴趣偏好模型构建 | 第34-41页 |
| 4.1 用户聚类 | 第34-35页 |
| 4.2 偏好项目 | 第35-37页 |
| 4.3 确定候选邻居 | 第37页 |
| 4.4 用户兴趣建模 | 第37-39页 |
| 4.4.1 艾宾浩斯记忆遗忘曲线 | 第37-38页 |
| 4.4.2 用户兴趣 | 第38页 |
| 4.4.3 时间窗口 | 第38页 |
| 4.4.4 基于时间的用户兴趣模型 | 第38-39页 |
| 4.5 未评分值预测 | 第39页 |
| 4.6 本章小结 | 第39-41页 |
| 第5章 基于用户偏好建模的动态协同过滤推荐方法的设计与实现 | 第41-52页 |
| 5.1 算法步骤 | 第41-42页 |
| 5.2 实验与结果分析 | 第42-51页 |
| 5.2.1 实验数据源 | 第42页 |
| 5.2.2 实验度量标准 | 第42-45页 |
| 5.2.3 实验环境 | 第45页 |
| 5.2.4 实验结果 | 第45-51页 |
| 5.2.5 性能分析 | 第51页 |
| 5.3 本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 在读期间发表的学术论文及研究成果 | 第60-61页 |
| 致谢 | 第61-62页 |