| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 论文背景及研究意义 | 第8-9页 |
| 1.2 个性化推荐系统概述 | 第9-13页 |
| 1.2.1 国内外研究现状 | 第9-11页 |
| 1.2.2 音乐推荐系统的发展特点 | 第11-13页 |
| 1.3 论文主要工作 | 第13页 |
| 1.4 论文内容安排 | 第13页 |
| 1.5 本章小结 | 第13-15页 |
| 第2章 系统需求分析 | 第15-17页 |
| 第3章 系统相关技术介绍 | 第17-26页 |
| 3.1 B/S 模式 | 第17-19页 |
| 3.2 MVC 模式与 J2EE | 第19-21页 |
| 3.3 Struts2 框架 | 第21-22页 |
| 3.4 Spring 框架 | 第22-23页 |
| 3.5 Mybatis 框架 | 第23-24页 |
| 3.6 本章小结 | 第24-26页 |
| 第4章 系统算法分析 | 第26-36页 |
| 4.1 协同过滤推荐算法 | 第26-27页 |
| 4.2 基于内存的协同过滤算法 | 第27-31页 |
| 4.2.1 基于用户(User-based)的协同过滤算法 | 第27-28页 |
| 4.2.2 基于项目(Item-based)的协同过滤算法 | 第28-29页 |
| 4.2.3 相似性度量方法 | 第29-30页 |
| 4.2.4 User-based 算法和 Item-based 算法的区别 | 第30-31页 |
| 4.3 基于模型的协同过滤算法 | 第31-33页 |
| 4.3.1 基于聚类(Cluster-based)的协同过滤算法 | 第31-32页 |
| 4.3.2 基于奇异值分解的协同过滤算法 | 第32-33页 |
| 4.4 实验与分析 | 第33-35页 |
| 4.4.1 实验数据集 | 第33-34页 |
| 4.4.2 评价指标 | 第34页 |
| 4.4.3 实验结果和分析 | 第34-35页 |
| 4.5 本章小结 | 第35-36页 |
| 第5章 基于协同过滤的音乐推荐系统 | 第36-48页 |
| 5.1 系统流程图 | 第36-39页 |
| 5.1.1 系统前台客户端流程 | 第36-37页 |
| 5.1.2 系统后台数据处理流程 | 第37-39页 |
| 5.2 系统框架及模块介绍 | 第39-40页 |
| 5.2.1 信息用户管理模块 | 第39页 |
| 5.2.2 用户试听查询音乐模块 | 第39-40页 |
| 5.2.3 音乐管理信息模块 | 第40页 |
| 5.2.4 用户播放音乐记录模块 | 第40页 |
| 5.2.5 协同过滤音乐推荐模块 | 第40页 |
| 5.3 数据库设计 | 第40-42页 |
| 5.4 核心算法描述 | 第42-43页 |
| 5.5 系统运行效果 | 第43-47页 |
| 5.7 本章小结 | 第47-48页 |
| 第6章 总结与展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 个人简历 | 第53页 |
