| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究的背景和意义 | 第10-11页 |
| ·研究现状 | 第11-12页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12页 |
| ·本文的主要工作 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| 第2章 个性化推荐系统的相关研究 | 第14-25页 |
| ·个性化推荐系统 | 第14-15页 |
| ·推荐系统的工作原理 | 第15-16页 |
| ·推荐算法 | 第16-23页 |
| ·协同过滤推荐算法 | 第16-20页 |
| ·基于内容的过滤推荐算法 | 第20-21页 |
| ·基于二部图结构的推荐算法 | 第21-22页 |
| ·混合推荐算法 | 第22-23页 |
| ·其它的推荐算法 | 第23页 |
| ·相似度的计算方法及评价标准 | 第23-24页 |
| ·推荐系统面临的主要问题 | 第24-25页 |
| 第3章 一种基于标签的双向协同过滤模型 | 第25-40页 |
| ·一种基于标签的双向协同过滤模型 | 第25页 |
| ·显式的用户评分矩阵 | 第25-26页 |
| ·用户态度 | 第26-28页 |
| ·基于标签的评分 | 第28-30页 |
| ·标签权重的计算方法 | 第29-30页 |
| ·基于标签的用户相似性 | 第30-31页 |
| ·双向邻居的计算 | 第30-31页 |
| ·双向协同过滤用户模型 | 第31-32页 |
| ·双向朴素贝叶斯推荐 | 第32-34页 |
| ·正向类别概率 | 第33页 |
| ·负向类别概率 | 第33-34页 |
| ·TOPN 推荐 | 第34页 |
| ·推荐系统结构设计 | 第34-40页 |
| ·数据库模块 | 第35-38页 |
| ·前端模块 | 第38-39页 |
| ·推荐系统模块 | 第39-40页 |
| 第4章 系统性能评测 | 第40-51页 |
| ·算法评测标准 | 第40-42页 |
| ·TOPN 推荐准确度 | 第40-41页 |
| ·TOPN 推荐排序的准确性 | 第41页 |
| ·基准算法 | 第41-42页 |
| ·实验环境 | 第42页 |
| ·实验过程 | 第42-45页 |
| ·数据预处理 | 第42-43页 |
| ·推荐算法实现 | 第43-44页 |
| ·评估算法实现 | 第44-45页 |
| ·实验结果及分析 | 第45-51页 |
| ·确定用户邻居规模 | 第45-47页 |
| ·用户初始化模型 MU与双向协同过滤模型 DCMU的比较 | 第47-48页 |
| ·双向协同过滤模型 DCMU算法与基准算法的比较 | 第48-51页 |
| 第5章 总结与展望 | 第51-53页 |
| ·论文工作总结 | 第51页 |
| ·进一步的研究方向 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 作者简介及在学期间所取得的科研成果 | 第56-57页 |
| 致谢 | 第57页 |