| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-16页 |
| ·课题研究的背景及意义 | 第12页 |
| ·研究现状与发展趋势 | 第12-13页 |
| ·论文研究内容与组织安排 | 第13-16页 |
| ·论文研究内容 | 第13-14页 |
| ·本文组织安排 | 第14-16页 |
| 第二章 相关知识 | 第16-23页 |
| ·引言 | 第16页 |
| ·协同过滤推荐算法 | 第16-18页 |
| ·协同过滤算法基本原理 | 第16页 |
| ·基于用户的协同过滤算法 | 第16-17页 |
| ·基于项目的协同过滤算法 | 第17页 |
| ·协同过滤算法的不足 | 第17-18页 |
| ·Slope One算法 | 第18-22页 |
| ·Slope One算法简介 | 第18-19页 |
| ·Weighted Slope One算法 | 第19页 |
| ·Bi-Polar Slope One算法 | 第19-20页 |
| ·Slope One算法的优点 | 第20-21页 |
| ·Slope One算法的缺陷及改进策略 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于用户兴趣局部相似性的Slope One算法 | 第23-33页 |
| ·引言 | 第23页 |
| ·相似度度量方法 | 第23-25页 |
| ·传统的相似度度量方法 | 第23-24页 |
| ·一种新的相似度度量方法 | 第24-25页 |
| ·UPSB Slope One算法 | 第25页 |
| ·算法时间复杂度分析及比较 | 第25-27页 |
| ·Weighted Slope One算法时间复杂度 | 第25-26页 |
| ·Bi-Polar Slope One算法时间复杂度 | 第26页 |
| ·K'NN Slope One算法时间复杂度 | 第26页 |
| ·UPSB Slope One算法时间复杂度 | 第26页 |
| ·分析及比较 | 第26-27页 |
| ·实验 | 第27-32页 |
| ·实验环境设置 | 第27页 |
| ·实验目的 | 第27页 |
| ·实验所用数据集 | 第27页 |
| ·度量标准 | 第27-28页 |
| ·UPSB Slope One算法同原Slope One算法的比较 | 第28-29页 |
| ·基于不同相似度度量方法Slope One算法的比较 | 第29-30页 |
| ·UPSB Slope One算法同传统协同过滤算法的比较 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于项目聚类的Slope One算法 | 第33-39页 |
| ·引言 | 第33页 |
| ·k-means聚类方法 | 第33-34页 |
| ·k-means聚类简介 | 第33-34页 |
| ·k-means算法存在的问题 | 第34页 |
| ·修正后的k-means算法基本步骤 | 第34-35页 |
| ·基于k-means项目聚类的Slope One算法 | 第35页 |
| ·实验 | 第35-38页 |
| ·实验环境设置 | 第35页 |
| ·实验目的 | 第35页 |
| ·实验所用数据集 | 第35-36页 |
| ·度量标准 | 第36页 |
| ·k-means Slope One算法同传统协同过滤算法的比较 | 第36-37页 |
| ·k-means Slope One算法同原Slope One算法的比较 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 基于奇异值分解的Slope One算法 | 第39-46页 |
| ·引言 | 第39页 |
| ·奇异值分解简介 | 第39页 |
| ·基于奇异值分解的用户相似度计算 | 第39页 |
| ·基于奇异值分解的Slope One算法 | 第39-40页 |
| ·实验 | 第40-44页 |
| ·实验环境设置 | 第40页 |
| ·实验目的 | 第40-41页 |
| ·实验所用数据集 | 第41页 |
| ·度量标准 | 第41页 |
| ·SVD Slope One算法维数k的选取 | 第41-42页 |
| ·SVD Slope One算法同原Slope One算法的比较 | 第42-43页 |
| ·SVD Slope One算法同传统协同过滤算法的比较 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第六章 基于Slope One改进算法的组推荐 | 第46-54页 |
| ·引言 | 第46页 |
| ·组推荐简介 | 第46-47页 |
| ·组推荐同个性化推荐的对比 | 第47页 |
| ·基于改进算法的Slope One组推荐 | 第47-48页 |
| ·组推荐策略以及Slope One改进算法选择 | 第47-48页 |
| ·基于k-means项目聚类的Slope One组推荐流程 | 第48页 |
| ·实验 | 第48-53页 |
| ·实验环境设置 | 第48页 |
| ·实验目的 | 第48-49页 |
| ·实验所用数据集 | 第49页 |
| ·度量标准 | 第49页 |
| ·基于不同Slope One算法组推荐的比较 | 第49-50页 |
| ·基于改进算法与传统协同过滤的组推荐的比较 | 第50-52页 |
| ·基于改进算法的组推荐同最近研究成果的比较 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第七章 基于Slope One改进算法的推荐模型 | 第54-61页 |
| ·引言 | 第54页 |
| ·系统需求分析 | 第54-55页 |
| ·任务概述 | 第54页 |
| ·需求概述 | 第54-55页 |
| ·运行环境概述 | 第55页 |
| ·概要设计 | 第55-56页 |
| ·推荐模型结构 | 第55页 |
| ·模块设计 | 第55-56页 |
| ·详细设计 | 第56-58页 |
| ·数据库设计 | 第56-57页 |
| ·数据处理模块 | 第57-58页 |
| ·项目聚类模块 | 第58页 |
| ·推荐算法模块 | 第58页 |
| ·模块测试 | 第58-60页 |
| ·数据处理模块测试 | 第58-59页 |
| ·项目聚类模块测试 | 第59-60页 |
| ·推荐算法模块测试 | 第60页 |
| ·本章小结 | 第60-61页 |
| 第八章 总结与展望 | 第61-63页 |
| ·工作总结 | 第61页 |
| ·工作展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间发表的学术论文目录 | 第67页 |
