| 摘要 | 第7-9页 |
| abstract | 第9-10页 |
| 1 绪论 | 第11-20页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 推荐系统中数据稀疏性问题研究现状 | 第12-14页 |
| 1.2.2 基于二部图网络结构的推荐方法研究现状 | 第14-15页 |
| 1.2.3 基于聚类的推荐方法研究现状 | 第15-18页 |
| 1.3 论文的主要工作和创新点 | 第18页 |
| 1.4 论文的组织结构 | 第18-19页 |
| 1.5 本章小结 | 第19-20页 |
| 2 相关理论与技术 | 第20-31页 |
| 2.1 推荐系统概述 | 第20-21页 |
| 2.2 协同过滤推荐算法 | 第21-24页 |
| 2.3 基于物质扩散的二部图推荐算法 | 第24-26页 |
| 2.4 聚类技术在推荐系统中的应用 | 第26-30页 |
| 2.4.1 常用的聚类方法 | 第27-29页 |
| 2.4.2 基于聚类的推荐算法 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 合并聚类用户评分的协同过滤推荐算法 | 第31-40页 |
| 3.1 问题的提出 | 第31页 |
| 3.2 算法整体框架 | 第31-32页 |
| 3.3 合并聚类用户评分的协同过滤算法构建 | 第32-34页 |
| 3.3.1 用户聚类 | 第32-33页 |
| 3.3.2 合并聚类邻居评分 | 第33页 |
| 3.3.3 预测评分 | 第33-34页 |
| 3.4 算法举例 | 第34-35页 |
| 3.5 实验 | 第35-39页 |
| 3.5.1 实验数据 | 第35-36页 |
| 3.5.2 算法评价指标 | 第36-37页 |
| 3.5.3 实验结果分析 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 4 基于用户聚类的非均匀资源配置的物质扩散推荐算法 | 第40-49页 |
| 4.1 算法提出依据 | 第40-41页 |
| 4.2 基于用户聚类的非均匀资源配置的物质扩散算法构建 | 第41-42页 |
| 4.2.1 用户聚类 | 第41页 |
| 4.2.2 基于用户聚类关系配置初始资源值 | 第41-42页 |
| 4.2.3 基于用户聚类的物质扩散 | 第42页 |
| 4.2.4 产生推荐结果 | 第42页 |
| 4.3 算法举例 | 第42-43页 |
| 4.4 实验 | 第43-47页 |
| 4.4.1 实验数据 | 第43页 |
| 4.4.2 算法评价指标 | 第43-44页 |
| 4.4.3 实验结果分析 | 第44-47页 |
| 4.5 本章小结 | 第47-49页 |
| 5 总结和展望 | 第49-51页 |
| 5.1 全文总结 | 第49-50页 |
| 5.2 后续工作展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士期间的科研成果 | 第55-56页 |
| 致谢 | 第56-57页 |