| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 绪论 | 第7-13页 |
| 1. 背景及研究意义 | 第7-8页 |
| 2 研究现状 | 第8-11页 |
| 3 本文研究目的 | 第11页 |
| 4 本文的架构和章节的安排 | 第11-13页 |
| 第一章 现有推荐算法的改进手段 | 第13-23页 |
| ·利用聚类算法进行改进 | 第13-19页 |
| ·应用于推荐系统改进的几种聚类算法 | 第13-17页 |
| ·聚类分析的应用要求 | 第17-19页 |
| ·推荐算法的其他改进方法 | 第19-20页 |
| ·频率加权的推荐算法改进 | 第19页 |
| ·时间加权的个性化推荐算法改进 | 第19-20页 |
| ·推荐算法中相似度的衡量标准及其计算方法 | 第20-23页 |
| 第二章 经典Slopeone算法介绍 | 第23-31页 |
| ·Slopeone算法概述 | 第23-26页 |
| ·加权Slopeone算法的介绍 | 第26页 |
| ·BI-Slopeone算法的介绍 | 第26-28页 |
| ·Slopeone算法分析及其特性 | 第28-31页 |
| 第三章 Slopeone算法的改进算法 | 第31-38页 |
| ·相似度计算方法的定义 | 第31-33页 |
| ·计算用户之间的相似度的方法 | 第31页 |
| ·本文相似度计算方法的定义 | 第31-33页 |
| ·相似度的加权方法 | 第33-34页 |
| ·相似度加权的Slopeone算法 | 第34-36页 |
| ·在Slopeone改进算法中的相似度权值的定义与计算描述 | 第34页 |
| ·基于加权偏差表的Slopeone算法的设计与描述 | 第34-36页 |
| ·基于加权偏差表的Slopeone算法分析 | 第36-38页 |
| 第四章 实验设计与实验结果分析 | 第38-46页 |
| ·实验分析评价指标 | 第38-39页 |
| ·实验数据集的介绍 | 第39-40页 |
| ·各个算法时间耗费量的测试 | 第40-42页 |
| ·各算法MAE值的实验结果的比较分析 | 第42-45页 |
| ·实验结果总结 | 第45-46页 |
| 第五章 Slopeone算法改进的意义以及应用 | 第46-48页 |
| ·本文对Slopeone算法改进的意义 | 第46页 |
| ·算法具体可能的应用 | 第46-48页 |
| 第六章 论文的总结以及后续工作的展望 | 第48-49页 |
| ·论文总结 | 第48页 |
| ·未来的后续工作 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52页 |