| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究意义 | 第13-14页 |
| 1.2.1 理论意义 | 第13页 |
| 1.2.2 现实意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第2章 相关工作综述 | 第17-23页 |
| 2.1 数据挖掘技术 | 第17-18页 |
| 2.2 个性化推荐技术 | 第18-19页 |
| 2.3 协同过滤推荐算法 | 第19-22页 |
| 2.3.1 协同过滤算法分类 | 第19-22页 |
| 2.3.2 协同过滤推荐算法优劣势分析 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 系统分析与设计 | 第23-39页 |
| 3.1 系统可行性分析 | 第23-24页 |
| 3.2 系统需求分析 | 第24-29页 |
| 3.2.1 用户需求分析 | 第24-26页 |
| 3.2.2 系统功能需求分析 | 第26-29页 |
| 3.2.3 系统非功能需求分析 | 第29页 |
| 3.3 系统总体设计 | 第29-33页 |
| 3.3.1 系统总体框架结构 | 第30页 |
| 3.3.2 系统功能结构设计 | 第30-31页 |
| 3.3.3 系统流程结构设计 | 第31-33页 |
| 3.4 数据库设计 | 第33-38页 |
| 3.4.1 系统逻辑结构设计 | 第33-35页 |
| 3.4.2 数据存储设计 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 系统关键技术 | 第39-59页 |
| 4.1 基于用户的协同过滤推荐算法 | 第39-41页 |
| 4.2 原始Slopeone算法和聚类Slopeone算法 | 第41-47页 |
| 4.2.1 Slopeone算法流程 | 第42-44页 |
| 4.2.2 Slopeone算法优缺点 | 第44-45页 |
| 4.2.3 融合聚类的Slopeone算法 | 第45-47页 |
| 4.2.4 现有算法弊端 | 第47页 |
| 4.3 基于最近邻和加权的Slopeone算法 | 第47-52页 |
| 4.3.1 基于用户加权的改进算法 | 第47-48页 |
| 4.3.2 基于最近邻用户的改进算法 | 第48-50页 |
| 4.3.3 算法描述 | 第50-52页 |
| 4.4 算法性能实验 | 第52-58页 |
| 4.4.1 实验准备与方案 | 第53-54页 |
| 4.4.2 相似邻居K值的确定 | 第54-55页 |
| 4.4.3 算法实验对比 | 第55-57页 |
| 4.4.4 结果分析 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 系统实现与测试 | 第59-73页 |
| 5.1 系统实现与测试环境 | 第59页 |
| 5.2 系统前台功能实现 | 第59-66页 |
| 5.2.1 网站首页功能的实现 | 第59-60页 |
| 5.2.2 电影搜索功能的实现 | 第60-61页 |
| 5.2.3 登录注册功能的实现 | 第61-62页 |
| 5.2.4 电影信息展示功能的实现 | 第62页 |
| 5.2.5 评论评分功能的实现 | 第62-64页 |
| 5.2.6 推荐功能的实现 | 第64-65页 |
| 5.2.7 个人中心功能的实现 | 第65-66页 |
| 5.3 系统后台功能实现 | 第66-68页 |
| 5.3.1 管理员管理功能的实现 | 第66-67页 |
| 5.3.2 用户管理功能的实现 | 第67页 |
| 5.3.3 电影信息管理功能的实现 | 第67页 |
| 5.3.4 评论管理功能的实现 | 第67-68页 |
| 5.4 系统功能测试 | 第68-72页 |
| 5.4.1 注册和登录功能测试 | 第68-69页 |
| 5.4.2 评论评分功能测试 | 第69-70页 |
| 5.4.3 电影推荐功能测试 | 第70页 |
| 5.4.4 用户管理功能测试 | 第70-71页 |
| 5.4.5 管理员管理功能测试 | 第71-72页 |
| 5.5 本章小结 | 第72-73页 |
| 第6章 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73页 |
| 6.2 展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-78页 |
| 攻读学位期间发表的学术论文以及参加科研情况 | 第78-79页 |