| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 推荐系统的研究背景 | 第10-11页 |
| 1.2 单类协同过滤推荐算法的国内外研究现状 | 第11-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 1.5 论文中用到的符号 | 第15-16页 |
| 第2章 相关工作概述 | 第16-21页 |
| 2.1 隐含狄利克雷分布(LDA)与推荐系统 | 第16-17页 |
| 2.2 面向评分预测的隐含狄利克雷分布推荐算法 | 第17-19页 |
| 2.3 面向单类协同过滤的隐含狄利克雷分布推荐算法 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 基于隐含狄利克雷分布的混合单类协同过滤算法 | 第21-35页 |
| 3.1 问题定义 | 第21-22页 |
| 3.2 隐含狄利克雷分布混合模型 | 第22-28页 |
| 3.3 实验设计与结果分析 | 第28-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 融合多段偏好上下文的单类协同过滤算法 | 第35-44页 |
| 4.1 问题定义 | 第35-36页 |
| 4.2 基于隐含狄利克雷分布的多段偏好上下文模型 | 第36-38页 |
| 4.3 算法描述 | 第38页 |
| 4.4 实验设计与结果分析 | 第38-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 基于评论的混合单类协同过滤算法 | 第44-57页 |
| 5.1 问题定义 | 第44-45页 |
| 5.2 内容感知的隐含狄利克雷分布混合模型 | 第45-52页 |
| 5.3 实验设计与结果分析 | 第52-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间的研究成果 | 第66-67页 |
| 附录 | 第67-68页 |