| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-22页 |
| ·研究背景 | 第10-12页 |
| ·推荐系统研究现状及主要研究内容 | 第12-14页 |
| ·推荐技术研究现状及存在的问题 | 第14-17页 |
| ·本文研究内容及研究思路 | 第17-19页 |
| ·研究内容 | 第17-18页 |
| ·研究思路 | 第18-19页 |
| ·论文结构安排 | 第19-22页 |
| 2 个性化推荐系统及相关技术 | 第22-34页 |
| ·推荐系统概述 | 第22-25页 |
| ·个性化服务与推荐系统 | 第22页 |
| ·推荐系统分类 | 第22-23页 |
| ·推荐系统体系结构 | 第23-25页 |
| ·相关推荐技术 | 第25-33页 |
| ·基于内容的推荐 | 第25-28页 |
| ·协同过滤推荐 | 第28-33页 |
| ·组合推荐 | 第33页 |
| ·本章小结 | 第33-34页 |
| 3 基于 K-means 和项目类别偏好的用户聚类 | 第34-48页 |
| ·聚类分析和 K-means 算法 | 第34-39页 |
| ·聚类分析概述 | 第34页 |
| ·聚类分析中涉及到的数据结构 | 第34-35页 |
| ·聚类分析中常用的相似性度量方法 | 第35-37页 |
| ·K-means 算法 | 第37-39页 |
| ·聚类在协同过滤推荐中的应用及分析 | 第39-43页 |
| ·基于用户聚类的协同过滤技术 | 第39-40页 |
| ·基于项目聚类的协同过滤技术 | 第40页 |
| ·基于用户和项目双重聚类的协同过滤技术 | 第40-42页 |
| ·聚类在协同过滤推荐中的应用分析 | 第42-43页 |
| ·基于项目类别偏好的用户相似性 | 第43-45页 |
| ·项目类型矩阵 | 第43-44页 |
| ·用户项目类型偏好矩阵 | 第44页 |
| ·基于项目类型偏好的用户相似性度量 | 第44-45页 |
| ·聚类算法描述 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 4 基于用户聚类和项目类别偏好的协同过滤推荐算法 | 第48-60页 |
| ·协同过滤推荐中数据稀疏性问题 | 第48-49页 |
| ·相关工作分析 | 第49-52页 |
| ·基于聚类和项目类别偏好的协同过滤算法 | 第52-59页 |
| ·基于项目类别偏好的用户综合相似性 | 第52-56页 |
| ·基于共同评分和项目类别偏好的用户综合相似性 | 第56页 |
| ·算法描述 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 5 实验设计与结果分析 | 第60-70页 |
| ·实验数据集与实验环境 | 第60页 |
| ·实验评价标准 | 第60-63页 |
| ·聚类结果评价标准 | 第60-61页 |
| ·推荐结果评价标准 | 第61-63页 |
| ·实验设计 | 第63-66页 |
| ·数据库设计 | 第63-65页 |
| ·类的设计 | 第65-66页 |
| ·实验结果与分析 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 6 总结与展望 | 第70-72页 |
| ·总结 | 第70页 |
| ·展望 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 攻读学位期间发表的论文 | 第78-80页 |
| 致谢 | 第80页 |