| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题背景 | 第10-11页 |
| ·研究现状 | 第11-12页 |
| ·本文的主要工作 | 第12-13页 |
| ·本文内容的组织结构 | 第13-15页 |
| 第2章 CADAL与个性化推荐技术 | 第15-28页 |
| ·百万册数字图书馆项目 | 第15-17页 |
| ·个性化推荐技术概述 | 第17-21页 |
| ·个性化技术提出的背景 | 第17-18页 |
| ·主要技术 | 第18-21页 |
| ·CADAL中的个性化服务 | 第21-27页 |
| ·用户基本服务 | 第22-23页 |
| ·收藏 | 第23-24页 |
| ·书签 | 第24-25页 |
| ·规则 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 协同过滤技术概述 | 第28-34页 |
| ·协同过滤技术简介 | 第28页 |
| ·协同过滤技术的优缺点 | 第28-29页 |
| ·主要算法 | 第29-32页 |
| ·基于记忆的算法 | 第29-31页 |
| ·基于模型的算法 | 第31-32页 |
| ·相关概念 | 第32-33页 |
| ·评分刻度 | 第32-33页 |
| ·数据归一化 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于电阻网络模型的相似度计算 | 第34-47页 |
| ·评分图 | 第34-37页 |
| ·定义 | 第34-35页 |
| ·评分图的作用 | 第35页 |
| ·相似度计算必须符合的三大条件 | 第35-36页 |
| ·与Pearson Correlation Coefficient(PCC)相比较 | 第36-37页 |
| ·电阻距离—相似度的计算 | 第37-39页 |
| ·负评分值的影响 | 第39-41页 |
| ·Y-△简化 | 第41-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 预测评分 | 第47-54页 |
| ·选择相似的邻居 | 第48-49页 |
| ·稀疏数据的预测算法 | 第49-51页 |
| ·预测评分 | 第51-52页 |
| ·关于重要参数的讨论 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第6章 实验设计与结果分析 | 第54-60页 |
| ·数据集 | 第54-55页 |
| ·评价标准 | 第55页 |
| ·与其他算法，模型比较 | 第55-56页 |
| ·预测稀疏数据的作用 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第7章 总结与展望 | 第60-62页 |
| ·总结 | 第60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-67页 |
| 作者简历 | 第67页 |