| 摘要 | 第3-4页 |
| Abstract | 第4-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 1.4 论文结构 | 第14-15页 |
| 第二章 个性化推荐技术 | 第15-28页 |
| 2.1 个性化推荐的概念与分类 | 第15-18页 |
| 2.2 协同过滤推荐算法 | 第18-24页 |
| 2.3 协同过滤面临的关键问题 | 第24-25页 |
| 2.4 算法性能评价指标 | 第25-27页 |
| 2.4.1 数据集 | 第25-26页 |
| 2.4.2 评价指标 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于局部优化的组合推荐算法 | 第28-38页 |
| 3.1 问题的提出 | 第28页 |
| 3.2 相关工作分析 | 第28-29页 |
| 3.3 基于局部优化选择的组合推荐算法 | 第29-32页 |
| 3.3.1 物品之间相似性计算公式的改进 | 第29页 |
| 3.3.2 局部优化选择近邻对象 | 第29-30页 |
| 3.3.3 基于内容改进CF预测评分 | 第30-32页 |
| 3.3.3.1 基于内容的预测过程 | 第30-31页 |
| 3.3.3.2 修正评分预测方法 | 第31-32页 |
| 3.4 实验结果与分析 | 第32-37页 |
| 3.4.1 实验方案 | 第32页 |
| 3.4.2 计算相似性改进效果实验 | 第32-33页 |
| 3.4.3 局部优化选择近邻推荐的实验 | 第33-34页 |
| 3.4.4 组合推荐CCFHU方法效果实验 | 第34-37页 |
| 3.4.4.1 参数β的最优取值 | 第34-35页 |
| 3.4.4.2 异常预测评分结果的数目 | 第35-36页 |
| 3.4.4.3 CCFHU方法与其他组合方法的比较 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于项目属性和局部优化的协同过滤推荐算法 | 第38-49页 |
| 4.1 问题描述 | 第38页 |
| 4.2 基于项目属性和局部优化的协同过滤推荐算法 | 第38-42页 |
| 4.2.1 基于评分的项目相似性改进 | 第38-39页 |
| 4.2.2 拉普拉斯平滑方法改进项目相似性 | 第39-41页 |
| 4.2.2.1 传统基于项目属性的项目相似性计算 | 第40页 |
| 4.2.2.2 拉普拉斯平滑方法 | 第40-41页 |
| 4.2.2.3 组合项目相似性 | 第41页 |
| 4.2.3 局部优化选择目标近邻对象 | 第41-42页 |
| 4.3 实验结果与分析 | 第42-47页 |
| 4.3.1 相似性计算改进效果实验 | 第42-43页 |
| 4.3.2 拉普拉斯平滑方法改进实验 | 第43-44页 |
| 4.3.3 CUCF方法效果实验 | 第44-47页 |
| 4.3.3.1 参数α的最优取值 | 第44-45页 |
| 4.3.3.2 CUCF方法与JaccardUCF方法及LaUCR方法的效果对比实验 | 第45-46页 |
| 4.3.3.3 CUCF方法与其他方法的比较 | 第46-47页 |
| 4.4 本章小结 | 第47-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 本文总结 | 第49页 |
| 5.2 工作展望 | 第49-51页 |
| 参考文献 | 第51-58页 |
| 在读期间发表的学术论文与研究成果 | 第58-59页 |
| 致谢 | 第59-60页 |
| 附录 | 第60-61页 |
| Appendix | 第61页 |