| 摘要 | 第1-8页 |
| ABSTRACT | 第8-13页 |
| 第一章 引言 | 第13-23页 |
| ·概述 | 第13-19页 |
| ·论文贡献 | 第19-20页 |
| ·论文组织结构 | 第20-23页 |
| 第二章 背景回顾 | 第23-41页 |
| ·推荐系统 | 第23-35页 |
| ·基于内容的推荐 | 第24-26页 |
| ·协同过滤推荐 | 第26-30页 |
| ·基于社交关系的推荐 | 第30-31页 |
| ·协同过滤中相似度算法的研究现状 | 第31-35页 |
| ·Web服务推荐 | 第35-39页 |
| ·Web服务 | 第35-39页 |
| ·基于协同过滤的Web服务推荐研究现状 | 第39页 |
| ·环境下的推荐 | 第39-41页 |
| ·云计算 | 第39-40页 |
| ·云环境下的推荐系统现状 | 第40-41页 |
| 第三章 面向产品推荐的协同过滤的一种新相似度算法 | 第41-64页 |
| ·概述 | 第41-42页 |
| ·传统相似度算法 | 第42-43页 |
| ·杰卡德统一算子距离相似度算法 | 第43-49页 |
| ·动机 | 第44-45页 |
| ·原理 | 第45-49页 |
| ·实验 | 第49-63页 |
| ·数据集 | 第49-50页 |
| ·评价标准 | 第50页 |
| ·实验设置 | 第50页 |
| ·性能对比 | 第50-54页 |
| ·正规化因子与杰卡德因子的影响 | 第54-58页 |
| ·k的影响 | 第58-62页 |
| ·避免零除数函数的影响 | 第62页 |
| ·结论 | 第62-63页 |
| ·小结 | 第63-64页 |
| 第四章 面向QOS感知的WEB服务推荐的归—还原协同过滤 | 第64-85页 |
| ·概述 | 第64-65页 |
| ·基于协同过滤的Web服务推荐过程 | 第65-66页 |
| ·归一还原协同过滤 | 第66-74页 |
| ·归一还原相似度算法 | 第66-71页 |
| ·对当前用户的预测 | 第71-72页 |
| ·NRCF与Web服务推荐 | 第72页 |
| ·时间复杂度分析 | 第72-74页 |
| ·实验 | 第74-84页 |
| ·数据集 | 第74页 |
| ·评价标准 | 第74-75页 |
| ·实验设置 | 第75页 |
| ·相似度算法的性能对比 | 第75-76页 |
| ·预测方法的性能对比 | 第76-82页 |
| ·A的影响 | 第82页 |
| ·矩阵密度的影响 | 第82页 |
| ·k的影响 | 第82-84页 |
| ·小结 | 第84-85页 |
| 第五章 面向云环境下开放接口推荐的用户聚类协同过滤 | 第85-100页 |
| ·概述 | 第85-87页 |
| ·场景 | 第87-88页 |
| ·相似度算法 | 第88-89页 |
| ·用户聚类协同过滤 | 第89-92页 |
| ·思想 | 第89页 |
| ·算法 | 第89-92页 |
| ·实验 | 第92-97页 |
| ·数据集 | 第92页 |
| ·评价标准 | 第92页 |
| ·实验设置 | 第92-93页 |
| ·性能对比 | 第93-96页 |
| ·k的影响 | 第96-97页 |
| ·相似度闽值θ的影响 | 第97页 |
| ·小结 | 第97-100页 |
| 第六章 总结与展望 | 第100-102页 |
| ·总结 | 第100页 |
| ·工作展望 | 第100-102页 |
| 参考文献 | 第102-111页 |
| 致谢 | 第111-112页 |
| 攻读学位期间完成的学术论文及研究成果 | 第112-113页 |