| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 主要工作 | 第13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 2 相关研究 | 第15-25页 |
| 2.1 个性化推荐系统 | 第15-17页 |
| 2.1.1 个性化推荐系统概述 | 第15页 |
| 2.1.2 常用的推荐算法分析 | 第15-17页 |
| 2.2 协同过滤推荐算法 | 第17-23页 |
| 2.2.1 协同过滤推荐算法概述 | 第17-21页 |
| 2.2.2 基于用户的协同过滤推荐算法 | 第21-22页 |
| 2.2.3 基于项目的协同过滤推荐算法 | 第22页 |
| 2.2.4 协同过滤推荐算法存在的问题及解决方法 | 第22-23页 |
| 2.3 聚类分析在协同过滤推荐算法中的应用 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 基于改进的用户聚类协同过滤推荐算法 | 第25-47页 |
| 3.1 基于用户评分和项目类别偏好的联合用户聚类算法 | 第25-30页 |
| 3.1.1 问题描述 | 第25-26页 |
| 3.1.2 项目类别偏好计算 | 第26-27页 |
| 3.1.3 基于项目类别偏好的用户聚类方法 | 第27-29页 |
| 3.1.4 联合用户聚类算法设计 | 第29-30页 |
| 3.2 基于差异因子的相似度计算方法 | 第30-34页 |
| 3.2.1 问题描述 | 第30-32页 |
| 3.2.2 用户评分差异因子计算 | 第32-33页 |
| 3.2.3 基于差异因子的Pearson相关系数修正 | 第33-34页 |
| 3.3 基于改进的用户聚类协同过滤算法 | 第34-36页 |
| 3.3.1 离线用户聚类 | 第34-35页 |
| 3.3.2 在线邻居搜索及产生推荐 | 第35-36页 |
| 3.4 实验结果与分析 | 第36-46页 |
| 3.4.1 实验环境及实验数据 | 第36-37页 |
| 3.4.2 度量标准 | 第37-38页 |
| 3.4.3 实验结果分析 | 第38-46页 |
| 3.5 本章小结 | 第46-47页 |
| 4 个性化电影推荐系统设计与实现 | 第47-61页 |
| 4.1 系统需求分析 | 第47页 |
| 4.2 系统设计 | 第47-52页 |
| 4.2.1 系统架构设计 | 第47-49页 |
| 4.2.2 功能模块设计 | 第49-50页 |
| 4.2.3 数据库设计 | 第50-52页 |
| 4.3 推荐系统实现 | 第52-60页 |
| 4.3.1 系统开发环境 | 第52页 |
| 4.3.2 系统数据来源 | 第52-53页 |
| 4.3.3 推荐模块实现 | 第53-54页 |
| 4.3.4 系统功能模块 | 第54-60页 |
| 4.4 本章小结 | 第60-61页 |
| 5 结论与展望 | 第61-63页 |
| 5.1 本文总结 | 第61页 |
| 5.2 未来工作展望 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第65-67页 |
| 学位论文数据集 | 第67页 |