| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 国内外研究现状 | 第11-12页 |
| 1.2.2 现有技术的关键问题 | 第12-14页 |
| 1.3 研究目标与内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第二章 相关理论与基础知识 | 第16-30页 |
| 2.1 基于协同过滤的算法 | 第16-20页 |
| 2.1.1 基于用户的协同过滤 | 第16-18页 |
| 2.1.2 基于物品的协同过滤 | 第18-19页 |
| 2.1.3 协同过滤算法存在的问题 | 第19-20页 |
| 2.2 基于案例推理的推荐方法 | 第20-22页 |
| 2.2.1 算法基本原理 | 第20-22页 |
| 2.2.2 基于案例推理存在的问题 | 第22页 |
| 2.3 音乐社会标签在推荐技术中的应用 | 第22-26页 |
| 2.3.1 标签聚类 | 第23-25页 |
| 2.3.2 情境相关标签的过滤 | 第25-26页 |
| 2.4 情境感知推荐生成过程 | 第26-28页 |
| 2.4.1 情境信息预过滤 | 第26-27页 |
| 2.4.2 情境信息后过滤 | 第27页 |
| 2.4.3 情境信息建模 | 第27-28页 |
| 2.5 MVC设计模式 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 基于协同过滤与案例推理的混合推荐算法研究 | 第30-38页 |
| 3.1 基于协同过滤与案例推理的混合算法分析 | 第30-32页 |
| 3.2 基于协同过滤与案例推理混合算法的改进 | 第32-35页 |
| 3.3 算法复杂度分析与优化 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 情境感知音乐推荐系统的设计与实现 | 第38-65页 |
| 4.1 系统架构的总体设计 | 第38-39页 |
| 4.2 各个模块的具体设计与实现 | 第39-64页 |
| 4.2.1 数据模块 | 第39-48页 |
| 4.2.2 结合情境案例的CF-CCBR推荐算法模块 | 第48-59页 |
| 4.2.3 用户交互模块 | 第59-64页 |
| 4.3 本章小结 | 第64-65页 |
| 第五章 系统测试与结果评估 | 第65-75页 |
| 5.1 实验设计与评价标准 | 第65-66页 |
| 5.2 性能测试 | 第66-69页 |
| 5.3 功能测试 | 第69-74页 |
| 5.4 测试结果评估 | 第74页 |
| 5.5 本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-76页 |
| 6.1 本文总结 | 第75页 |
| 6.2 未来工作展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 攻读硕士学位期间取得的成果 | 第80-81页 |