| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究目的与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 用户兴趣检测模型 | 第11-12页 |
| 1.2.2 推荐系统及推荐算法研究现状 | 第12-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第二章 相关技术理论简介 | 第16-24页 |
| 2.1 用户的兴趣变化模型 | 第16-19页 |
| 2.1.1 隐式兴趣模型 | 第16-18页 |
| 2.1.2 显式兴趣模型 | 第18-19页 |
| 2.2 推荐系统及其推荐算法 | 第19-23页 |
| 2.2.1 推荐系统 | 第19页 |
| 2.2.2 推荐算法概述 | 第19-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于显式与隐式兴趣漂移模型的构建 | 第24-40页 |
| 3.1 显式兴趣漂移检测模型构建 | 第24-31页 |
| 3.1.1 用户兴趣模型的提出 | 第24-25页 |
| 3.1.2 项目属性相似关联矩阵 | 第25-27页 |
| 3.1.3 用户兴趣分类模型 | 第27-29页 |
| 3.1.4 用户兴趣模型检测 | 第29-31页 |
| 3.1.5 算法分析 | 第31页 |
| 3.2 隐式兴趣漂移检测模型构建 | 第31-32页 |
| 3.3 实验参数设置 | 第32-36页 |
| 3.3.1 属性权重的设置 | 第32-33页 |
| 3.3.2 d值的设置 | 第33页 |
| 3.3.3 兴趣模型阀值的确定 | 第33-35页 |
| 3.3.4 密集度增量值的设置 | 第35-36页 |
| 3.4 实验与分析 | 第36-39页 |
| 3.4.1 实验数据及环境 | 第36页 |
| 3.4.2 评价方法 | 第36-37页 |
| 3.4.3 实验方案 | 第37页 |
| 3.4.4 实验结果及分析 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于显隐式兴趣漂移模型的协同过滤算法 | 第40-47页 |
| 4.1 项目相似度 | 第40-41页 |
| 4.2 协同过滤算法 | 第41页 |
| 4.3 实验与分析 | 第41-46页 |
| 4.3.1 实验数据 | 第41-42页 |
| 4.3.2 评价标准 | 第42页 |
| 4.3.3 实验方案 | 第42页 |
| 4.3.4 实验结果与分析 | 第42-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 基于兴趣漂移模型协同过滤算法的推荐系统实现 | 第47-53页 |
| 5.1 系统需求分析 | 第47页 |
| 5.2 系统设计 | 第47-48页 |
| 5.3 系统实现 | 第48-51页 |
| 5.3.1 运行环境 | 第48-49页 |
| 5.3.2 系统平台开发 | 第49-50页 |
| 5.3.3 系统原型测试 | 第50-51页 |
| 5.4 系统推荐评价 | 第51-52页 |
| 5.4.1 测试用例 | 第51页 |
| 5.4.2 用例评价 | 第51-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 作者简介 | 第59页 |