| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 推荐系统的国内外研究现状 | 第10-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 组织结构 | 第13-15页 |
| 第二章 推荐系统及相关理论概述 | 第15-33页 |
| 2.1 个性化推荐系统 | 第15-19页 |
| 2.1.1 推荐系统一般描述 | 第15-16页 |
| 2.1.2 推荐算法分类介绍 | 第16-19页 |
| 2.2 协同过滤推荐算法 | 第19-26页 |
| 2.2.1 协同过滤的推荐流程 | 第19-22页 |
| 2.2.2 协同过滤推荐算法分类 | 第22-24页 |
| 2.2.3 传统协同过滤推荐算法面临的问题挑战 | 第24-26页 |
| 2.3 用户兴趣漂移检测 | 第26-29页 |
| 2.4 模糊聚类分析 | 第29-32页 |
| 2.4.1 基本概述 | 第29-30页 |
| 2.4.2 分类方法 | 第30页 |
| 2.4.3 模糊C-均值聚类算法 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于不同项目类型访问时间分散度的兴趣漂移检测方法 | 第33-39页 |
| 3.1 概述 | 第33-34页 |
| 3.2 追踪用户兴趣漂移 | 第34-36页 |
| 3.2.1 构建项目簇 | 第34-35页 |
| 3.2.2 用户兴趣模型 | 第35-36页 |
| 3.3 检测用户兴趣模式 | 第36-37页 |
| 3.3.1 单兴趣用户和噪声用户的识别 | 第36页 |
| 3.3.2 多兴趣用户和兴趣漂移用户的识别 | 第36-37页 |
| 3.4 基于不同项目类型访问时间分散度的兴趣漂移检测算法 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于用户兴趣漂移和兴趣传播的协同过滤推荐 | 第39-45页 |
| 4.1 仿射传播聚类 | 第39-41页 |
| 4.2 基于仿射传播的模糊C-均值聚类 | 第41-43页 |
| 4.3 基于用户兴趣漂移和兴趣传播的协同过滤推荐算法 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 实验与分析 | 第45-54页 |
| 5.1 实验数据集 | 第45页 |
| 5.2 运行环境 | 第45-47页 |
| 5.3 推荐结果评价标准 | 第47页 |
| 5.4 实验设计与结果分析 | 第47-52页 |
| 5.4.1 基于不同项目类型访问时间分散度的漂移检测方法有效性验证 | 第47-49页 |
| 5.4.2 基于仿射传播的模糊C-均值聚类的有效性验证 | 第49-51页 |
| 5.4.3 基于用户兴趣漂移和兴趣传播的协同过滤算法的有效性验证 | 第51-52页 |
| 5.5 本章小结 | 第52-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 内容总结 | 第54页 |
| 6.2 工作展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |
