| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文研究工作 | 第12-13页 |
| 1.4 全文组织 | 第13-14页 |
| 第二章 相关工作研究 | 第14-25页 |
| 2.1 协同过滤算法 | 第14-18页 |
| 2.1.1 基于用户的协同过滤算法 | 第14-17页 |
| 2.1.2 基于物品的协同过滤算法 | 第17页 |
| 2.1.3 两种协同过滤算法对比 | 第17-18页 |
| 2.2 关联规则算法 | 第18-20页 |
| 2.2.1 Apriori算法 | 第18-19页 |
| 2.2.2 FP-Tree算法 | 第19页 |
| 2.2.3 Apriori算法与FP-Tree算法对比 | 第19-20页 |
| 2.3 二部图网络结构推荐方法 | 第20-21页 |
| 2.4 逻辑回归算法 | 第21-22页 |
| 2.5 可视化技术与工具 | 第22-23页 |
| 2.6 本章总结 | 第23-25页 |
| 第三章 基于频繁项集与协同过滤的混合推荐方法 | 第25-34页 |
| 3.1 引言 | 第25页 |
| 3.2 混合推荐算法 | 第25-28页 |
| 3.2.1 总体流程 | 第25-26页 |
| 3.2.2 基于频繁项集的评分修订算法 | 第26-27页 |
| 3.2.3 基于协同过滤的推荐算法 | 第27页 |
| 3.2.4 基于频繁项集的推荐算法 | 第27页 |
| 3.2.5 算法描述 | 第27-28页 |
| 3.3 实验结果与分析 | 第28-33页 |
| 3.3.1 实验数据集 | 第28-29页 |
| 3.3.2 评测方法 | 第29页 |
| 3.3.3 参数确定 | 第29-30页 |
| 3.3.4 实验对比 | 第30-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于加权二部图与逻辑回归的混合推荐算法 | 第34-42页 |
| 4.1 引言 | 第34-35页 |
| 4.2 混合推荐算法 | 第35-37页 |
| 4.2.1 总体流程 | 第35页 |
| 4.2.2 基于加权二部图结构的推荐 | 第35-36页 |
| 4.2.3 基于逻辑回归的推荐列表修正 | 第36-37页 |
| 4.2.4 算法描述 | 第37页 |
| 4.3 实验结果与分析 | 第37-41页 |
| 4.3.1 实验数据集 | 第37页 |
| 4.3.2 评测方法 | 第37-38页 |
| 4.3.3 参数确定 | 第38-39页 |
| 4.3.4 实验对比 | 第39-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 推荐系统设计 | 第42-57页 |
| 5.1 系统介绍 | 第42-43页 |
| 5.2 算法服务模块设计 | 第43-44页 |
| 5.3 系统功能设计 | 第44-45页 |
| 5.4 管理员功能界面 | 第45-49页 |
| 5.4.1 系统登录界面 | 第45-47页 |
| 5.4.2 管理员主界面 | 第47页 |
| 5.4.3 个人信息管理界面 | 第47-48页 |
| 5.4.4 用户管理界面 | 第48-49页 |
| 5.5 普通用户功能界面 | 第49-55页 |
| 5.5.1 数据分析功能界面 | 第49-53页 |
| 5.5.2 混合算法对比功能界面 | 第53-54页 |
| 5.5.3 混合推荐功能界面 | 第54-55页 |
| 5.6 本章总结 | 第55-57页 |
| 第六章 工作总结与展望 | 第57-59页 |
| 6.1 工作总结 | 第57-58页 |
| 6.2 研究展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 在学期间的研究成果 | 第62-63页 |
| 致谢 | 第63页 |