大数据背景下的信息推荐技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-24页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-20页 |
| 1.3 存在的问题 | 第20-21页 |
| 1.4 研究目标与内容 | 第21-22页 |
| 1.5 论文组织结构 | 第22-23页 |
| 1.6 课题来源 | 第23-24页 |
| 2 现有推荐系统和推荐技术综述 | 第24-37页 |
| 2.1 定义与问题形式化 | 第24-25页 |
| 2.2 推荐系统 | 第25-28页 |
| 2.3 推荐技术 | 第28-33页 |
| 2.4 常见的推荐算法性能评价方法 | 第33-36页 |
| 2.5 本章小结 | 第36-37页 |
| 3 基于加权二部图网络的个性化推荐算法 | 第37-59页 |
| 3.1 引言 | 第37-43页 |
| 3.2 算法设计 | 第43-47页 |
| 3.3 算法复杂度分析 | 第47-49页 |
| 3.4 实验与分析 | 第49-54页 |
| 3.5 进一步的讨论 | 第54-58页 |
| 3.6 本章小结 | 第58-59页 |
| 4 基于加权三部图网络的个性化推荐算法 | 第59-92页 |
| 4.1 引言 | 第59-60页 |
| 4.2 算法设计 | 第60-64页 |
| 4.3 算法复杂度分析 | 第64-67页 |
| 4.4 实验与分析 | 第67-71页 |
| 4.5 进一步的讨论 | 第71-90页 |
| 4.6 本章小结 | 第90-92页 |
| 5 一种基于数据填充的协同过滤个性化推荐算法 | 第92-107页 |
| 5.1 引言 | 第92-96页 |
| 5.2 算法设计 | 第96-99页 |
| 5.3 算法复杂度分析 | 第99-101页 |
| 5.4 实验与分析 | 第101-106页 |
| 5.5 本章小结 | 第106-107页 |
| 6 总结与展望 | 第107-110页 |
| 6.1 主要工作总结 | 第107-108页 |
| 6.2 研究展望 | 第108-110页 |
| 致谢 | 第110-112页 |
| 参考文献 | 第112-123页 |
| 附录1 攻读博士学位期间发表的学术论文目录 | 第123-124页 |
| 附录2 攻读博士学位期间参与的科研项目 | 第124-125页 |
| 附录3 缩略语与重要术语索引 | 第125-127页 |
| 附录4 表格索引 | 第127-128页 |
| 附录5 图索引 | 第128-129页 |
