| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 图书馆个性化推荐的研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12-14页 |
| 第2章 高校图书馆个性化推荐系统方案设计 | 第14-22页 |
| 2.1 推荐系统 | 第14-16页 |
| 2.1.1 推荐系统概述 | 第14-15页 |
| 2.1.2 适用于高校图书馆的推荐方法 | 第15-16页 |
| 2.2 MyLibrary | 第16-17页 |
| 2.3 高校图书馆个性化推荐系统需求分析 | 第17-19页 |
| 2.4 高校图书馆个性化推荐系统框架 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 图书特征模型和读者偏好模型 | 第22-37页 |
| 3.1 中国图书馆分类法 | 第22页 |
| 3.2 图书特征模型 | 第22-25页 |
| 3.3 读者偏好模型 | 第25-30页 |
| 3.3.1 基于图书分类号的读者偏好模型Model-1 | 第25-27页 |
| 3.3.2 基于标题关键词的读者偏好模型Model-2 | 第27-30页 |
| 3.4 读者细分算法分析 | 第30-36页 |
| 3.4.1 读者细分概述 | 第30页 |
| 3.4.2 基本聚类算法 | 第30-32页 |
| 3.4.3 改进的算法 | 第32-33页 |
| 3.4.4 仿真实验 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 高校图书馆个性化推荐策略 | 第37-57页 |
| 4.1 基于关联规则挖掘的推荐策略 | 第37-49页 |
| 4.1.1 关联规则 | 第37-38页 |
| 4.1.2 Apriori算法 | 第38-39页 |
| 4.1.3 基于矩阵向量和完全连接的改进关联规则算法 | 第39-46页 |
| 4.1.4 基于改进关联规则算法的推荐策略 | 第46-49页 |
| 4.2 协同过滤与基于内容的混合推荐策略 | 第49-53页 |
| 4.3 基于内容的新书推荐策略 | 第53-55页 |
| 4.4 新读者的推荐策略 | 第55页 |
| 4.5 混合推荐系统 | 第55-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第5章 高校图书馆个性化推荐原型系统的实现 | 第57-69页 |
| 5.1 系统架构 | 第57-58页 |
| 5.2 数据源及数据处理 | 第58-61页 |
| 5.2.1 数据收集 | 第59-60页 |
| 5.2.2 数据清洗 | 第60-61页 |
| 5.3 系统运行实例 | 第61-63页 |
| 5.4 系统评价 | 第63-68页 |
| 5.4.1 推荐系统实验方法 | 第63-64页 |
| 5.4.2 推荐系统评估指标 | 第64-65页 |
| 5.4.3 高校图书馆个性化推荐原型系统评估 | 第65-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间的研究成果 | 第75页 |
