| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 课题背景及研究意义 | 第14页 |
| 1.2 推荐系统分类及研究现状 | 第14-18页 |
| 1.2.1 基于内容推荐算法 | 第14-15页 |
| 1.2.2 协同过滤推荐算法 | 第15-16页 |
| 1.2.3 基于网络结构的推荐算法 | 第16-17页 |
| 1.2.4 混合型推荐算法 | 第17-18页 |
| 1.2.5 推荐系统新领域 | 第18页 |
| 1.3 数据稀疏性及冷启动问题 | 第18-20页 |
| 1.4 本论文的主要工作和内容安排 | 第20-22页 |
| 第二章 协同过滤及基于网络结构的推荐算法 | 第22-36页 |
| 2.1 推荐系统的问题定义 | 第22页 |
| 2.2 基于协同过滤的推荐算法 | 第22-27页 |
| 2.2.1 协同过滤算法的思想 | 第22-23页 |
| 2.2.2 基于用户的协同过滤算法 | 第23-25页 |
| 2.2.3 基于项目的协同过滤推荐算法 | 第25-26页 |
| 2.2.4 基于用户协同过滤与基于项目协同过滤的比较 | 第26-27页 |
| 2.3 基于网络结构的推荐算法 | 第27-28页 |
| 2.4 推荐系统数据集及指标 | 第28-30页 |
| 2.4.1 数据集 | 第28-29页 |
| 2.4.2 评价指标 | 第29-30页 |
| 2.5 用户增强相似度 | 第30-34页 |
| 2.5.1 用户兴趣相似度 | 第30-31页 |
| 2.5.2 用户相似度加权混合 | 第31-34页 |
| 2.6 本章小结 | 第34-36页 |
| 第三章 一种结合项目相似度的基于网络结构的推荐方法 | 第36-48页 |
| 3.1 基于网络结构的概率传播推荐方法 | 第36-40页 |
| 3.2 改进的项目相似度 | 第40-41页 |
| 3.2.1 基于项目类别的项目相似度 | 第40页 |
| 3.2.2 基于项目评分信息熵的项目相似度 | 第40-41页 |
| 3.3 改进后算法的步骤 | 第41-42页 |
| 3.4 实验结果及性能分析 | 第42-46页 |
| 3.4.1 实验测试数据集 | 第42页 |
| 3.4.2 实验设计 | 第42页 |
| 3.4.3 实验结果展示及分析 | 第42-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 一种基于网络结构的推荐算法的统一框架 | 第48-58页 |
| 4.1 基于重启的随机游走 | 第48页 |
| 4.2 基于网络结构的项目排名推荐算法 | 第48-50页 |
| 4.2.1 项目关联图 | 第48-49页 |
| 4.2.2 基于网络结构的项目排名算法计算步骤 | 第49-50页 |
| 4.3 统一框架 | 第50-52页 |
| 4.4 实验结果及性能分析 | 第52-57页 |
| 4.4.1 实验指标 | 第52页 |
| 4.4.2 性能分析 | 第52-55页 |
| 4.4.3 参数分析 | 第55-56页 |
| 4.4.4 算法结果及分析 | 第56-57页 |
| 4.5 本章总结 | 第57-58页 |
| 第五章 结论和展望 | 第58-60页 |
| 5.1 结论 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 作者简介 | 第68-69页 |