| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 概述 | 第8-12页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究水平及现状 | 第8-10页 |
| 1.3 论文主要研究工作 | 第10页 |
| 1.4 论文结构和章节安排 | 第10-12页 |
| 第二章 考虑情景信息的多维推荐系统 | 第12-32页 |
| 2.1 常用二维推荐技术的介绍 | 第12-15页 |
| 2.2 考虑情景信息的多维推荐系统 | 第15-18页 |
| 2.2.1 情景信息的相关概念 | 第15页 |
| 2.2.2 情景信息在多维推荐系统中的应用 | 第15-18页 |
| 2.3 考虑情景信息的基于内存多维协同过滤 | 第18-23页 |
| 2.3.1 考虑情景的基于内存多维协同过滤相关定义 | 第19-20页 |
| 2.3.2 考虑情景因子的基于内存多维协同过滤 | 第20-23页 |
| 2.4 考虑情景信息的基于模型的多维张量分解 | 第23-29页 |
| 2.4.1 基于模型的传统SVD分解方法 | 第24-25页 |
| 2.4.2 张量的相关知识 | 第25-27页 |
| 2.4.3 考虑情景信息的张量分解——HOSVD | 第27-29页 |
| 2.5 本章总结 | 第29-32页 |
| 第三章 考虑情景信息的基于PLSA算法多维推荐 | 第32-48页 |
| 3.1 概率潜在语义PLSA在文本检索中的应用 | 第32-36页 |
| 3.2 PLSA算法中EM(期望最大化)的实现 | 第36-39页 |
| 3.3 PLSA模型在用户—项目评分系统中的应用与扩展 | 第39-45页 |
| 3.4 本章总结 | 第45-48页 |
| 第四章 实验分析 | 第48-60页 |
| 4.1 实验数据及平台环境介绍 | 第48-49页 |
| 4.2 推荐算法效果衡量指标 | 第49-51页 |
| 4.3 对比实验及结果分析 | 第51-59页 |
| 4.4 本章总结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 研究内容总结 | 第60-61页 |
| 5.2 进一步的研究工作 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66页 |