| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 课题研究背景及意义 | 第15-17页 |
| 1.1.1 研究背景 | 第15-16页 |
| 1.1.2 研究意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-18页 |
| 1.2.1 推荐系统研究现状 | 第17页 |
| 1.2.2 协同过滤研究现状 | 第17-18页 |
| 1.3 本文主要研究内容 | 第18-19页 |
| 1.4 论文章节安排 | 第19-21页 |
| 第二章 相关技术概述 | 第21-35页 |
| 2.1 引言 | 第21-22页 |
| 2.2 个性化推荐系统的组成 | 第22-23页 |
| 2.3 个性化推荐算法介绍 | 第23-25页 |
| 2.4 经典的协同过滤 | 第25-32页 |
| 2.4.1 基于内存的协同过滤 | 第25-30页 |
| 2.4.2 基于模型的协同过滤 | 第30-32页 |
| 2.4.3 混合的协同过滤推荐 | 第32页 |
| 2.5 协同过滤存在的问题 | 第32-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 基于群组发现和偏爱区间划分的协同过滤推荐算法 | 第35-47页 |
| 3.1 引言 | 第35-36页 |
| 3.2 基于群组发现的数据预处理方法 | 第36-40页 |
| 3.2.1 构造用户项目图 | 第36-37页 |
| 3.2.2 获取特征值特征向量 | 第37-38页 |
| 3.2.3 利用改进的FMC算法获取群组 | 第38-40页 |
| 3.3 基于区间划分的协同过滤算法 | 第40-43页 |
| 3.3.1 区间划分 | 第40-41页 |
| 3.3.2 结合区间划分的相似度计算 | 第41-42页 |
| 3.3.3 综合群组预测评分 | 第42-43页 |
| 3.4 算法流程展示 | 第43-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 算法应用与实验分析 | 第47-65页 |
| 4.1 推荐功能设计 | 第47-49页 |
| 4.1.1 设计目标 | 第47页 |
| 4.1.2 功能模块划分 | 第47-49页 |
| 4.2 推荐功能实现架构 | 第49-56页 |
| 4.2.1 数据存储结构 | 第50-51页 |
| 4.2.2 数据分析模块 | 第51-54页 |
| 4.2.3 推荐模块 | 第54-56页 |
| 4.3 实验数据设置与软硬件环境 | 第56-57页 |
| 4.3.1 数据集设置 | 第56-57页 |
| 4.3.2 软硬件环境 | 第57页 |
| 4.4 性能评估指标 | 第57-58页 |
| 4.5 实验与分析 | 第58-63页 |
| 4.5.1 实验设计 | 第58-59页 |
| 4.5.2 实验结果与分析 | 第59-63页 |
| 4.6 本章小结 | 第63-65页 |
| 第五章 总结和展望 | 第65-67页 |
| 5.1 课题研究总结 | 第65页 |
| 5.2 未来研究展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 作者简介 | 第73-74页 |