| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1. 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究内容 | 第11页 |
| 1.4 论文组织与结构 | 第11-13页 |
| 1.5 本章小结 | 第13-14页 |
| 2 推荐系统相关工作概述 | 第14-25页 |
| 2.1 推荐系统概述 | 第14-15页 |
| 2.2 相关推荐算法研究进展 | 第15-20页 |
| 2.2.1 协作过滤推荐 | 第15-17页 |
| 2.2.2 基于内容的推荐 | 第17页 |
| 2.2.3 基于标签的推荐 | 第17-18页 |
| 2.2.4 基于知识的推荐 | 第18-19页 |
| 2.2.5 基于关联规则的推荐 | 第19-20页 |
| 2.3 推荐系统评价指标 | 第20-22页 |
| 2.3.1 平均绝对误差 | 第20-21页 |
| 2.3.2 均方根误差 | 第21页 |
| 2.3.3 准确率和召回率 | 第21页 |
| 2.3.4 覆盖率 | 第21-22页 |
| 2.3.5 F-度量 | 第22页 |
| 2.4 现有推荐系统所面临的问题 | 第22-24页 |
| 2.4.1 数据稀疏性问题 | 第22页 |
| 2.4.2 冷启动问题 | 第22-23页 |
| 2.4.3 大数据与增量计算问题 | 第23页 |
| 2.4.4 推荐系统的安全性问题 | 第23页 |
| 2.4.5 推荐系统的多样性与精确性 | 第23-24页 |
| 2.4.6 社会推荐 | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 综合景点特征及景点评分的协作过滤推荐算法 | 第25-34页 |
| 3.1 引言 | 第25-26页 |
| 3.2 综合景点特征及景点评分的协作过滤推荐算法 | 第26-29页 |
| 3.2.1 景点特征 | 第26-27页 |
| 3.2.2 景点评分 | 第27页 |
| 3.2.3 综合景点属性及景点评分的协作过滤推荐算法设计 | 第27-29页 |
| 3.3 实验结果分析 | 第29-33页 |
| 3.3.1 实验数据集 | 第29-30页 |
| 3.3.2 实验结果与讨论 | 第30-33页 |
| 3.4 本章总结 | 第33-34页 |
| 4 基于张量分解的多数据源融合旅游推荐算法 | 第34-43页 |
| 4.1 引言 | 第34页 |
| 4.2 基于张量分解的多数据源融合旅游推荐算法模型 | 第34-37页 |
| 4.2.1 张量模型 | 第34-35页 |
| 4.2.2 算法基本思想 | 第35-36页 |
| 4.2.3 模型建立 | 第36-37页 |
| 4.3 多数据源融合的旅游推荐算法设计 | 第37-39页 |
| 4.4 实验与结果分析 | 第39-42页 |
| 4.4.1 实验数据 | 第39页 |
| 4.4.2 实验结果与分析 | 第39-42页 |
| 4.5 本章小结 | 第42-43页 |
| 5 总结和展望 | 第43-45页 |
| 5.1 全文总结 | 第43-44页 |
| 5.2 展望 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 硕士期间发表的论文及参与的科研项目 | 第49-50页 |
| 学术论文 | 第49页 |
| 参与的科研项目 | 第49页 |
| 软件著作权 | 第49-50页 |
| 致谢 | 第50页 |