基于组合相似度和用户特征聚类的协同过滤推荐算法研究

摘要	第3-4页
abstract	第4页
第一章 绪论	第6-13页
1.1 研究背景与意义	第6-7页
1.2 国内外研究现状	第7-10页
1.3 本文研究内容与文章结构	第10-13页
第二章 个性化推荐系统及相关技术	第13-20页
2.1 个性化推荐系统概述	第13-15页
2.2 个性化推荐技术分析	第15-19页
2.3 本章小结	第19-20页
第三章 协同过滤推荐和K-means聚类算法	第20-29页
3.1 协同过滤推荐概述	第20-24页
3.2 协同过滤推荐算法面临的主要问题及解决对策	第24-25页
3.3 K-means聚类算法	第25-28页
3.4 本章小结	第28-29页
第四章 结合组合相似度与用户特征聚类的改进算法	第29-40页
4.1 改进算法的出发点	第29页
4.2 改进的相似度计算模型	第29-33页
4.3 用户特征聚类	第33-34页
4.4 本文算法描述	第34-38页
4.5 算法分析	第38-39页
4.6 本章小结	第39-40页
第五章 算法验证及结果分析	第40-47页
5.1 实验环境和数据	第40-42页
5.2 实验评估标准	第42-43页
5.3 实验设计与结果分析	第43-46页
5.4 本章小结	第46-47页
第六章 总结与展望	第47-49页
6.1 总结	第47页
6.2 展望	第47-49页
参考文献	第49-53页
致谢	第53-54页
个人简介	第54页