| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文研究内容和创新工作 | 第13-14页 |
| 1.4 论文结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 推荐算法 | 第16-26页 |
| 2.1 推荐算法概述 | 第16-17页 |
| 2.2 基于记忆的协同过滤算法 | 第17-20页 |
| 2.2.1 基于用户的协同过滤算法 | 第17-18页 |
| 2.2.2 基于物品的协同过滤算法 | 第18-19页 |
| 2.2.3 相似性度量 | 第19页 |
| 2.2.4 小结 | 第19-20页 |
| 2.3 基于模型的协同过滤算法 | 第20-25页 |
| 2.3.1 奇异值分解 | 第20-22页 |
| 2.3.2 概率矩阵分解 | 第22-24页 |
| 2.3.3 隐语义模型和基于记忆的协同过滤算法比较 | 第24-25页 |
| 2.4 辅助信息 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于物品聚类的协同过滤算法 | 第26-38页 |
| 3.1 引言 | 第26-27页 |
| 3.2 基于物品聚类的协同过滤算法 | 第27-35页 |
| 3.2.1 符号定义 | 第27-28页 |
| 3.2.2 相关工作 | 第28-29页 |
| 3.2.3 近邻算法 | 第29-33页 |
| 3.2.4 引入标签基因组信息的基于物品聚类的协同过滤算法 | 第33-35页 |
| 3.3 实验部分 | 第35-36页 |
| 3.3.1 实验数据 | 第35页 |
| 3.3.2 评测指标 | 第35页 |
| 3.3.3 实验结果与分析 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 基于二阶多项式回归的协同神经网络算法 | 第38-50页 |
| 4.1 引言 | 第38-40页 |
| 4.2 基于二阶多项式回归的协同神经网络算法 | 第40-45页 |
| 4.2.1 基于矩阵分解的协同神经网络算法 | 第40-41页 |
| 4.2.2 特征表达模型 | 第41-43页 |
| 4.2.3 多层感知机 | 第43页 |
| 4.2.4 基于二阶多项式回归的协同神经网络算法 | 第43-45页 |
| 4.3 实验部分 | 第45-48页 |
| 4.3.1 实验数据 | 第45页 |
| 4.3.2 评测指标 | 第45页 |
| 4.3.3 实验结果与分析 | 第45-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第五章 总结与展望 | 第50-54页 |
| 5.1 研究工作总结 | 第50-51页 |
| 5.2 今后工作展望 | 第51-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 攻读学位期间发表的学术论文目录 | 第60页 |