| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 个性化推荐技术研究综述 | 第16-32页 |
| 2.1 个性化推荐系统简介 | 第16-17页 |
| 2.2 个性化推荐的相关技术 | 第17-19页 |
| 2.2.1 基于关联规则的推荐算法 | 第17页 |
| 2.2.2 基于内容的推荐算法 | 第17-18页 |
| 2.2.3 协同过滤推荐算法 | 第18-19页 |
| 2.2.4 混合推荐算法 | 第19页 |
| 2.3 协同过滤算法概况 | 第19-23页 |
| 2.3.1 协同过滤推荐工作原理 | 第19-20页 |
| 2.3.2 协同过滤推荐流程 | 第20-23页 |
| 2.3.3 推荐算法评价标准 | 第23页 |
| 2.4 协同过滤推荐算法分类 | 第23-29页 |
| 2.4.1 基于用户的协同过滤算法 | 第24-26页 |
| 2.4.2 基于项目的协同过滤算法 | 第26-28页 |
| 2.4.3 存在的问题 | 第28-29页 |
| 2.5 社会化标签与标签系统 | 第29-30页 |
| 2.5.1 社会化标签系统 | 第29-30页 |
| 2.5.2 标签系统的特点与基本应用 | 第30页 |
| 2.6 小结 | 第30-32页 |
| 第3章 基于社会化标签的协同过滤推荐算法 | 第32-42页 |
| 3.1 社交化电商所面临的问题 | 第32页 |
| 3.2 社会化标签应用于个性化推荐 | 第32-34页 |
| 3.3 基于社会化标签的建模 | 第34-37页 |
| 3.4 基于社会化标签的协同过滤推荐算法 | 第37-40页 |
| 3.5 基于社会化标签的协同过滤方法分析 | 第40-41页 |
| 3.6 小结 | 第41-42页 |
| 第4章 基于社会化标签的个性化推荐系统的设计与实现 | 第42-48页 |
| 4.1 基于社会化标签的个性化推荐系统 | 第42-45页 |
| 4.1.1 系统需求分析 | 第42页 |
| 4.1.2 系统模块设计 | 第42-45页 |
| 4.2 基于社会化标签的个性化推荐流程 | 第45-47页 |
| 4.3 小结 | 第47-48页 |
| 第5章 实验结果与分析 | 第48-58页 |
| 5.1 推荐算法评价指标 | 第48页 |
| 5.2 实验数据集 | 第48-50页 |
| 5.3 基于MovieLens数据集的实验 | 第50-54页 |
| 5.3.1 实验目标 | 第50-51页 |
| 5.3.2 实验方法 | 第51页 |
| 5.3.3 实验环境 | 第51-52页 |
| 5.3.4 实验内容 | 第52-54页 |
| 5.4 实验结果分析 | 第54-57页 |
| 5.5 小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 未来展望 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-65页 |