| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 论文的研究内容与组织结构 | 第15-18页 |
| 1.3.1 论文的研究内容 | 第15-16页 |
| 1.3.2 论文的组织结构 | 第16-18页 |
| 第2章 推荐系统及聚类技术概述 | 第18-28页 |
| 2.1 主流推荐技术 | 第18-23页 |
| 2.1.1 基于内容的推荐算法 | 第18-19页 |
| 2.1.2 基于关联规则的推荐算法 | 第19-20页 |
| 2.1.3 协同过滤推荐算法 | 第20-22页 |
| 2.1.4 混合推荐算法 | 第22-23页 |
| 2.2 聚类技术综述 | 第23-26页 |
| 2.2.1 聚类算法概述 | 第23-24页 |
| 2.2.2 聚类算法分类 | 第24-26页 |
| 2.3 本章小结 | 第26-28页 |
| 第3章 改进的基于K-MEANS聚类的协同过滤推荐算法 | 第28-48页 |
| 3.1 引言 | 第28页 |
| 3.2 推荐算法数据关系 | 第28-29页 |
| 3.3 基于聚类的协同过滤推荐算法 | 第29-35页 |
| 3.3.1 算法综述 | 第29-30页 |
| 3.3.2 基于K-means聚类的协同过滤推荐算法 | 第30-35页 |
| 3.4 基于K-MEANS聚类推荐算法的改进 | 第35-45页 |
| 3.4.1 问题提出 | 第35-36页 |
| 3.4.2 用户特征和项目属性相似度的计算 | 第36-40页 |
| 3.4.3 基于K-means聚类的协同过滤算法的改进 | 第40-45页 |
| 3.5 本章小结 | 第45-48页 |
| 第4章 实验结果及分析 | 第48-58页 |
| 4.1 常用评价指标 | 第48-50页 |
| 4.2 数据集及常见处理方式 | 第50-54页 |
| 4.2.1 数据集介绍 | 第50-52页 |
| 4.2.2 数据处理 | 第52-54页 |
| 4.3 实验设计与分析 | 第54-56页 |
| 4.4 本章小结 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-67页 |
| 致谢 | 第67页 |
