| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 推荐系统的研究现状 | 第9-10页 |
| 1.2.2 非负矩阵分解的研究现状 | 第10页 |
| 1.2.3 K-means聚类的研究现状 | 第10-11页 |
| 1.3 本文框架 | 第11-12页 |
| 1.4 本章小结 | 第12-14页 |
| 第2章 个性化推荐系统以及相关技术 | 第14-22页 |
| 2.1 个性化推荐系统 | 第14-16页 |
| 2.1.1 个性化推荐系统的概论 | 第14页 |
| 2.1.2 个性化推荐系统的组成 | 第14-15页 |
| 2.1.3 个性化推荐系统的分类 | 第15-16页 |
| 2.2 相关技术 | 第16-21页 |
| 2.2.1 协同过滤的推荐 | 第16-20页 |
| 2.2.2 K-means聚类技术 | 第20页 |
| 2.2.3 非负矩阵分解 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 改进的K-means聚类算法 | 第22-32页 |
| 3.1 K-means聚类算法 | 第22-24页 |
| 3.1.1 K-means聚类算法过程 | 第22-23页 |
| 3.1.2 K-means聚类算法优缺点 | 第23-24页 |
| 3.2 算法的改进 | 第24-27页 |
| 3.2.1 基于密度思想 | 第24-25页 |
| 3.2.2 最大最小距离思想 | 第25-26页 |
| 3.2.3 优化初始聚类中心的K-means算法 | 第26-27页 |
| 3.3 实验结果及分析 | 第27-31页 |
| 3.3.1 实验数据 | 第27页 |
| 3.3.2 聚类评价标准 | 第27-29页 |
| 3.3.3 实验结果分析 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 基于非负矩阵分解和K-means聚类的推荐算法 | 第32-44页 |
| 4.1 组合推荐技术 | 第32-33页 |
| 4.2 基于NMF与K-means聚类的组合算法 | 第33-37页 |
| 4.2.1 基本概述 | 第33-35页 |
| 4.2.2 算法描述 | 第35-37页 |
| 4.3 实证研究和结果分析 | 第37-42页 |
| 4.3.1 实验数据及环境 | 第37页 |
| 4.3.2 性能评价指标 | 第37-38页 |
| 4.3.3 实验结果分析 | 第38-42页 |
| 4.4 本章小结 | 第42-44页 |
| 第5章 总结与展望 | 第44-46页 |
| 5.1 总结 | 第44页 |
| 5.2 对未来工作的展望 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 攻读硕士学位期间发表的学术论文 | 第50-52页 |
| 致谢 | 第52页 |