| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 个性化推荐系统 | 第11-12页 |
| 1.2.2 个性化服务发展 | 第12-13页 |
| 1.2.3 房产信息服务 | 第13页 |
| 1.3 论文主要组织结构 | 第13-15页 |
| 第二章 个性化推荐相关技术 | 第15-24页 |
| 2.1 协同过滤推荐算法及分类 | 第15-20页 |
| 2.1.1 协同过滤算法推荐步骤 | 第15页 |
| 2.1.2 协同过滤算法的分类 | 第15-20页 |
| 2.2 其余主流推荐算法 | 第20-22页 |
| 2.2.1 基于内容过滤的推荐算法 | 第20-21页 |
| 2.2.2 基于规则的推荐算法 | 第21-22页 |
| 2.2.3 推荐算法的组合运用 | 第22页 |
| 2.3 推荐算法的比较 | 第22-24页 |
| 第三章 融合房产信息内容与用户行为的组合推荐算法研究 | 第24-44页 |
| 3.1 组合推荐算法流程设计 | 第24-25页 |
| 3.2 用户兴趣模型建立 | 第25-30页 |
| 3.2.1 用户兴趣挖掘 | 第25-27页 |
| 3.2.2 用户兴趣模型描述 | 第27-30页 |
| 3.3 基于房产信息内容与用户双向聚类改进的协同过滤算法 | 第30-33页 |
| 3.3.1 K-means聚类概述 | 第30-31页 |
| 3.3.2 基于用户和项目双向聚类解决稀疏性、实时性差问题 | 第31-33页 |
| 3.4 内容过滤与协同过滤组合推荐算法 | 第33-40页 |
| 3.4.1 基于房产信息聚类的内容过滤 | 第33-36页 |
| 3.4.2 基于用户—房产信息评分、房产信息属性和行为的用户融合相似性 | 第36-39页 |
| 3.4.3 协同过滤组合推荐 | 第39-40页 |
| 3.5 实验数据与分析 | 第40-44页 |
| 3.5.1 数据集的选取 | 第40-41页 |
| 3.5.2 实验结果分析 | 第41-44页 |
| 第四章 房产信息个性化推荐系统的设计与实现 | 第44-57页 |
| 4.1 系统开发环境 | 第44页 |
| 4.2 系统的需求分析 | 第44-46页 |
| 4.2.1 系统的功能需求分析 | 第44-45页 |
| 4.2.2 系统的非功能需求分析 | 第45-46页 |
| 4.3 系统总体设计 | 第46-50页 |
| 4.3.1 推荐模块 | 第47-48页 |
| 4.3.2 系统前端界面设计 | 第48-49页 |
| 4.3.3 系统后台设计 | 第49-50页 |
| 4.4 数据库设计 | 第50-51页 |
| 4.5 系统功能模块实现 | 第51-57页 |
| 4.5.1 用户注册 | 第51-52页 |
| 4.5.2 用户登录 | 第52-53页 |
| 4.5.3 房源信息搜索 | 第53-54页 |
| 4.5.4 房源信息推荐 | 第54-55页 |
| 4.5.5 后台管理 | 第55-57页 |
| 第五章 总结与展望 | 第57-60页 |
| 5.1 本文总结 | 第57-58页 |
| 5.2 未来工作展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 发表文章及研究成果目录 | 第64-65页 |
| 致谢 | 第65-66页 |
