| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 课题的研究背景 | 第13-14页 |
| 1.2 推荐系统的应用前景 | 第14-18页 |
| 1.2.1 电影和视频网站 | 第14-15页 |
| 1.2.2 音乐网络电台 | 第15-16页 |
| 1.2.3 社交网站 | 第16页 |
| 1.2.4 个性化邮件系统 | 第16-17页 |
| 1.2.5 电子商务 | 第17-18页 |
| 1.3 国内外关于协同过滤算法的研究现状 | 第18-19页 |
| 1.4 本文的研究工作 | 第19-20页 |
| 1.5 论文结构 | 第20-21页 |
| 第二章 推荐系统的相关综述 | 第21-31页 |
| 2.1 推荐系统的任务定义 | 第21页 |
| 2.2 主要的推荐方法 | 第21-25页 |
| 2.2.1 协同过滤推荐算法 | 第21-24页 |
| 2.2.2 内容过滤推荐算法 | 第24页 |
| 2.2.3 混合推荐算法 | 第24-25页 |
| 2.3 测评指标 | 第25-31页 |
| 2.3.1 用户满意度 | 第25-26页 |
| 2.3.2 预测准确度 | 第26-27页 |
| 2.3.3 覆盖率 | 第27页 |
| 2.3.4 多样性 | 第27页 |
| 2.3.5 新颖性 | 第27-28页 |
| 2.3.6 惊喜度 | 第28页 |
| 2.3.7 信任度 | 第28页 |
| 2.3.8 实时性 | 第28-29页 |
| 2.3.9 健壮性 | 第29页 |
| 2.3.10 商用目标的实现 | 第29-31页 |
| 第三章 基于用户协同过滤算法的改进和基于物品的协同过滤算法的研究 | 第31-59页 |
| 3.1 基于用户的协同过滤算法 | 第31-35页 |
| 3.1.1 基于用户的协同过滤推荐算法步骤 | 第31-33页 |
| 3.1.2 基于用户协同过滤算法的改进 | 第33-35页 |
| 3.2 改进算法与原基于用户协同过滤的实验与分析 | 第35-44页 |
| 3.2.1 实验环境与数据 | 第35页 |
| 3.2.2 实验结果与分析 | 第35-44页 |
| 3.2.3 对改进的UserCF算法的总结 | 第44页 |
| 3.3 基于物品的协同过滤算法 | 第44-46页 |
| 3.3.1 基于物品的协同过滤算法步骤 | 第44-46页 |
| 3.3.2 基于物品的协同过滤算法的研究 | 第46页 |
| 3.4 修改后的ItemCF算法与原ItemCF算法的实验与分析 | 第46-54页 |
| 3.4.1 实验环境与数据 | 第46-47页 |
| 3.4.2 实验结果与分析 | 第47-54页 |
| 3.5 UserCF算法和ItemCF算法的比较 | 第54-59页 |
| 3.5.1 实验数据比较和分析 | 第54-57页 |
| 3.5.2 UserCF算法和ItemCF算法综合比较 | 第57-59页 |
| 第四章 基于改进UserCF算法的电影推荐系统 | 第59-69页 |
| 4.1 引言 | 第59页 |
| 4.2 电影推荐系统的设计结构 | 第59-67页 |
| 4.2.1 开发工具及环境 | 第60页 |
| 4.2.2 推荐系统的数据库 | 第60-61页 |
| 4.2.3 推荐引擎与推荐列表生成流程 | 第61-64页 |
| 4.2.4 用户界面 | 第64-67页 |
| 4.3 本章小结 | 第67-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 工作总结 | 第69页 |
| 5.2 对未来工作的展望 | 第69-71页 |
| 参考文献 | 第71-73页 |
| 致谢 | 第73-74页 |
| 作者简介 | 第74-75页 |
