| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 引言 | 第9-15页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 引文推荐问题的提出 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 第2章 相关概念与技术 | 第15-27页 |
| 2.1 推荐系统定义 | 第15页 |
| 2.2 推荐系统的结构框架 | 第15-17页 |
| 2.3 推荐系统分类 | 第17-18页 |
| 2.3.1 根据个性化程度分类 | 第17页 |
| 2.3.2 根据实现技术分类 | 第17-18页 |
| 2.4 相似度量 | 第18-19页 |
| 2.4.1 余弦相似性 | 第18页 |
| 2.4.2 相关相似性 | 第18页 |
| 2.4.3 修正的余弦相似性 | 第18-19页 |
| 2.5 推荐系统常见问题 | 第19页 |
| 2.6 用户建模技术 | 第19-23页 |
| 2.6.1 用户数据分类 | 第20-22页 |
| 2.6.2 用户模型表示 | 第22-23页 |
| 2.7 信息过滤技术 | 第23-25页 |
| 2.8 本章小结 | 第25-27页 |
| 第3章 引文推荐模型 | 第27-33页 |
| 3.1 引文推荐动机 | 第27页 |
| 3.2 引文推荐模型 | 第27-28页 |
| 3.3 引文推荐策略概述 | 第28-29页 |
| 3.4 推荐策略的改进与扩展 | 第29-31页 |
| 3.4.1 基于项目的推荐策略 | 第29-31页 |
| 3.4.2 用户协同过滤策略 | 第31页 |
| 3.5 本章小结 | 第31-33页 |
| 第4章 基于引文的推荐策略 | 第33-45页 |
| 4.1 引文相似度计算 | 第33-37页 |
| 4.1.1 传统相似度计算的不足 | 第33页 |
| 4.1.2 引文关系图 | 第33-35页 |
| 4.1.3 各种因素对引文相似度影响 | 第35-37页 |
| 4.2 聚类分析 | 第37-41页 |
| 4.2.1 聚类分析概述 | 第37页 |
| 4.2.2 基于层次的聚类 | 第37页 |
| 4.2.3 BHC(Basic Hierarchical Clustering)算法 | 第37-38页 |
| 4.2.4 K-BHC算法 | 第38-41页 |
| 4.3 生成备选推荐 | 第41-43页 |
| 4.4 本章小结 | 第43-45页 |
| 第5章 改进的用户协同过滤策略 | 第45-53页 |
| 5.1 传统的用户协同过滤策略 | 第45-46页 |
| 5.2 改进用户相似度计算 | 第46-49页 |
| 5.2.1 用户评分 | 第46-48页 |
| 5.2.2 用户相似度计算 | 第48-49页 |
| 5.3 用户协同推荐算法扩展性 | 第49-51页 |
| 5.4 改进用户协同过滤策略 | 第51页 |
| 5.5 本章小结 | 第51-53页 |
| 第6章 实验分析 | 第53-61页 |
| 6.1 实验环境设置 | 第53页 |
| 6.2 实验结果及分析 | 第53-59页 |
| 6.3 本章小结 | 第59-61页 |
| 第7章 总结与展望 | 第61-63页 |
| 7.1 本文的主要工作 | 第61页 |
| 7.2 未来研究工作 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 攻硕期间科研及发表论文情况 | 第69页 |