| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 论文研究背景 | 第9-10页 |
| 1.2 与本课题相关的国内外研究进展 | 第10-11页 |
| 1.3 推荐算法面临的挑战 | 第11-13页 |
| 1.3.1 数据稀疏 | 第12页 |
| 1.3.2 冷启动 | 第12页 |
| 1.3.3 推荐精度不高 | 第12-13页 |
| 1.4 论文主要工作与创新点 | 第13-14页 |
| 1.5 论文组织结构 | 第14-16页 |
| 第二章 个性化推荐算法相关理论 | 第16-28页 |
| 2.1 二部图网络的结构形式 | 第16页 |
| 2.2 基于二部图网络结构的资源分配推荐算法 | 第16-22页 |
| 2.2.1 基于二部图的物质扩散推荐算法 | 第17-20页 |
| 2.2.2 基于二部图的热传导推荐算法 | 第20-21页 |
| 2.2.3 基于二部图的资源分配推荐算法的优缺点 | 第21-22页 |
| 2.3 聚类算法及相关概念 | 第22-25页 |
| 2.3.1 聚类算法的基本概念 | 第22-23页 |
| 2.3.2 聚类算法的相似性计算 | 第23页 |
| 2.3.3 聚类算法的分类 | 第23-24页 |
| 2.3.4 K-means算法 | 第24-25页 |
| 2.4 聚类算法在推荐算法中的应用 | 第25-27页 |
| 2.4.1 基于聚类的协同过滤推荐算法 | 第25-26页 |
| 2.4.2 基于聚类的二部图网络推荐算法 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于二部图网络的非均匀资源分配推荐算法 | 第28-40页 |
| 3.1 算法提出的依据 | 第28-29页 |
| 3.2 聚类算法的改进 | 第29-31页 |
| 3.3 基于二部图网络的非均匀资源分配过程 | 第31-36页 |
| 3.3.1 改进用户间相似性计算方式 | 第31-34页 |
| 3.3.2 非均匀资源分配过程 | 第34-36页 |
| 3.4 基于二部图网络的非均匀资源分配算法的思想 | 第36-39页 |
| 3.4.1 用户对项目类别的偏好 | 第36-37页 |
| 3.4.2 项目类别对用户间相似性计算的影响 | 第37-38页 |
| 3.4.3 算法思想 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 实验设计与结果分析 | 第40-52页 |
| 4.1 实验目的 | 第40页 |
| 4.2 实验数据 | 第40-41页 |
| 4.3 实验评价指标 | 第41-43页 |
| 4.3.1 推荐准确性指标 | 第41-42页 |
| 4.3.2 推荐多样性指标 | 第42页 |
| 4.3.3 推荐新颖性指标 | 第42-43页 |
| 4.4 基于Spark的算法并行化设计 | 第43-46页 |
| 4.5 实验结果与分析 | 第46-51页 |
| 4.5.1 基于二部图网络的非均匀资源分配推荐算法的性能分析 | 第46-49页 |
| 4.5.2 聚类数目的影响 | 第49-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 本文工作总结 | 第52-53页 |
| 5.2 下一步研究计划 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57页 |