| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 论文的研究内容 | 第11-12页 |
| 1.3 技术路线 | 第12-13页 |
| 1.4 论文的框架 | 第13-15页 |
| 2 相关理论和技术 | 第15-30页 |
| 2.1 单一评分推荐方法概述 | 第15-17页 |
| 2.1.1 单一评分推荐问题的定义 | 第15-16页 |
| 2.1.2 基于启发式的推荐方法 | 第16页 |
| 2.1.3 基于模型的推荐方法 | 第16页 |
| 2.1.4 混合推荐方法 | 第16-17页 |
| 2.2 多准则评分推荐方法概述 | 第17-25页 |
| 2.2.1 多准则评分推荐问题定义 | 第17-19页 |
| 2.2.2 基于启发式的多准则评分推荐方法 | 第19-21页 |
| 2.2.3 基于模型的多准则评分推荐方法 | 第21-24页 |
| 2.2.4 基于多准则优化的多准则评分推荐方法 | 第24-25页 |
| 2.3 基于时间效应的推荐方法概述 | 第25-28页 |
| 2.3.1 时间效应推荐问题定义 | 第26页 |
| 2.3.2 基于时间效应推荐算法的相关研究 | 第26-28页 |
| 2.3.3 推荐系统中的时间窗技术 | 第28页 |
| 2.4 本章小结 | 第28-30页 |
| 3 实验数据采集与预处理 | 第30-33页 |
| 3.1 数据源 | 第30-31页 |
| 3.2 数据采集 | 第31-32页 |
| 3.3 数据预处理 | 第32页 |
| 3.4 本章小结 | 第32-33页 |
| 4 基于时间效应的多准则评分协同过滤推荐算法 | 第33-41页 |
| 4.1 引言 | 第33页 |
| 4.2 基于User-Time的多准则评分协同过滤算法 | 第33-36页 |
| 4.3 基于Item-Time的多准则评分协同过滤算法 | 第36-37页 |
| 4.4 实验设计和结果分析 | 第37-40页 |
| 4.4.1 实验设计 | 第37-38页 |
| 4.4.2 度量标准 | 第38页 |
| 4.4.3 结果分析 | 第38-40页 |
| 4.5 本章小结 | 第40-41页 |
| 5 基于时间效应的EM-ANFIS多准则评分推荐算法 | 第41-55页 |
| 5.1 引言 | 第41页 |
| 5.2 基于EM-ANFIS的多准则推荐算法 | 第41-47页 |
| 5.3 基于时间效应的EM-ANFIS的多准则评分推荐算法设计 | 第47-50页 |
| 5.3.1 基于时间窗的有效数据选取 | 第47-48页 |
| 5.3.2 准则熵值的计算和特征选择 | 第48-49页 |
| 5.3.3 EM聚类与模型预测 | 第49-50页 |
| 5.4 实验设计和结果分析 | 第50-54页 |
| 5.4.1 实验设计 | 第50-51页 |
| 5.4.2 度量标准 | 第51页 |
| 5.4.3 结果分析 | 第51-54页 |
| 5.5 本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-56页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士期间的科研成果 | 第62-63页 |
