| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 致谢 | 第8-12页 |
| 第一章 绪论 | 第12-21页 |
| ·引言 | 第12-13页 |
| ·数据挖掘与聚类 | 第13-17页 |
| ·数据挖掘 | 第13-15页 |
| ·聚类分析 | 第15-17页 |
| ·个性化推荐系统 | 第17-20页 |
| ·个性化推荐系统的分类 | 第17-18页 |
| ·个性化推荐系统的应用现状 | 第18-20页 |
| ·本文的研究工作与组织结构 | 第20-21页 |
| 第二章 个性化推荐的相关技术研究 | 第21-30页 |
| ·协同过滤 | 第21-23页 |
| ·个性化推荐的其它主要方法 | 第23-25页 |
| ·基于规则的方法 | 第23页 |
| ·基于内容的方法 | 第23页 |
| ·知识工程方法 | 第23-24页 |
| ·数据挖掘方法 | 第24-25页 |
| ·高维数据聚类技术 | 第25-29页 |
| ·高维数据的聚类 | 第25页 |
| ·基于模式的子空间聚类 | 第25-28页 |
| ·聚类技术在个性化推荐中的应用 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于用户模式子空间聚类的协同过滤个性化推荐 | 第30-40页 |
| ·基于用户的协同过滤推荐算法 | 第30-33页 |
| ·基于用户的协同过滤推荐算法 | 第30-32页 |
| ·基于用户聚类的协同过滤算法 | 第32-33页 |
| ·基于用户模式聚类的协同过滤个性化推荐 | 第33-37页 |
| ·基于模式相似的用户聚类 | 第33-35页 |
| ·基于用户模式子空间聚类的个性化推荐 | 第35-37页 |
| ·实验分析 | 第37-39页 |
| ·实验数据集与结果评价标准 | 第37页 |
| ·实验结果与分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于用户兴趣模式聚类和项目相似的协同过滤推荐 | 第40-48页 |
| ·基于项目的协同过滤推荐 | 第40-42页 |
| ·基于项目的协同过滤推荐算法 | 第40-41页 |
| ·基于项目聚类的协同过滤算法 | 第41-42页 |
| ·用户兴趣模式相似 | 第42-44页 |
| ·基于用户模式与项目相似的推荐 | 第44-45页 |
| ·基于兴趣模式用户聚类的产生 | 第44-45页 |
| ·结合项目相似产生推荐 | 第45页 |
| ·实验分析 | 第45-47页 |
| ·实验数据 | 第45页 |
| ·实验度量与结果比较 | 第45-46页 |
| ·实验结果分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| ·本文总结 | 第48页 |
| ·工作展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表的学术论文 | 第54-55页 |