| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 研究内容及意义 | 第13-14页 |
| 1.3.1 协同过滤面临的问题与挑战 | 第13-14页 |
| 1.3.2 本文的研究内容 | 第14页 |
| 1.4 论文结构 | 第14-16页 |
| 第2章 相关理论研究 | 第16-26页 |
| 2.1 推荐系统 | 第16-17页 |
| 2.2 协同过滤算法 | 第17-22页 |
| 2.2.1 协同过滤算法概述 | 第17页 |
| 2.2.2 基于内存的协同过滤算法 | 第17-21页 |
| 2.2.3 基于模型的协同过滤算法 | 第21页 |
| 2.2.4 基于混合的协同过滤算法 | 第21-22页 |
| 2.3 推荐系统评估指标 | 第22-24页 |
| 2.3.1 精确度 | 第23页 |
| 2.3.2 用户满意度 | 第23-24页 |
| 2.4 实验数据集 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于改进的时间加权协同过滤算法 | 第26-40页 |
| 3.1 传统的时间加权协同过滤算法 | 第26-28页 |
| 3.1.1 时间加权函数 | 第26-28页 |
| 3.1.2 存在的问题 | 第28页 |
| 3.2 基于改进的时间加权协同过滤算法 | 第28-34页 |
| 3.2.1 牛顿冷却定律 | 第29-30页 |
| 3.2.2 改进的时间加权函数 | 第30-33页 |
| 3.2.3 推荐产生及算法流程 | 第33-34页 |
| 3.3 实验结果及分析 | 第34-37页 |
| 3.3.1 实验软硬件环境 | 第34页 |
| 3.3.2 实验数据预处理 | 第34-35页 |
| 3.3.3 实验结果及分析 | 第35-37页 |
| 3.4 本章小结 | 第37-40页 |
| 第4章 基于融合聚类的协同过滤算法 | 第40-52页 |
| 4.1 K-means聚类算法 | 第40-42页 |
| 4.2 基于用户评分和物品属性的融合聚类协同过滤算法 | 第42-47页 |
| 4.2.1 算法思想 | 第42-43页 |
| 4.2.2 基于用户评分的聚类协同过滤算法 | 第43-45页 |
| 4.2.3 基于物品属性的聚类协同过滤算法 | 第45-46页 |
| 4.2.4 基于融合聚类的协同过滤算法 | 第46-47页 |
| 4.3 实验结果及分析 | 第47-49页 |
| 4.3.1 实验软硬件环境 | 第48页 |
| 4.3.2 实验数据预处理 | 第48页 |
| 4.3.3 实验结果及分析 | 第48-49页 |
| 4.4 本章小结 | 第49-52页 |
| 第5章 基于改进算法的电影推荐系统的设计与实现 | 第52-70页 |
| 5.1 需求分析 | 第52-55页 |
| 5.1.1 用户特点描述 | 第52-53页 |
| 5.1.2 系统设计目标 | 第53页 |
| 5.1.3 功能性需求 | 第53-54页 |
| 5.1.4 非功能性需求 | 第54-55页 |
| 5.2 系统概要设计 | 第55-57页 |
| 5.2.1 系统实现环境描述 | 第55页 |
| 5.2.2 系统架构设计 | 第55-56页 |
| 5.2.3 功能总体设计 | 第56-57页 |
| 5.3 系统数据库设计 | 第57-59页 |
| 5.3.1 关系型数据库设计 | 第57-59页 |
| 5.3.2 非关系型数据库设计 | 第59页 |
| 5.4 核心模块设计与实现 | 第59-65页 |
| 5.4.1 离线计算模块 | 第60-61页 |
| 5.4.2 在线推荐模块 | 第61-62页 |
| 5.4.3 信息反馈模块 | 第62-63页 |
| 5.4.4 信息管理模块 | 第63-65页 |
| 5.5 系统展示与测试 | 第65-69页 |
| 5.5.1 系统展示 | 第65-67页 |
| 5.5.2 功能测试 | 第67-69页 |
| 5.6 本章总结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间取得的研究成果 | 第76-78页 |
| 致谢 | 第78页 |