| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-12页 |
| 1.1 研究背景和意义 | 第7页 |
| 1.2 研究综述 | 第7-10页 |
| 1.2.1 个性化推荐系统的主要研究和应用 | 第8页 |
| 1.2.2 国内外研究现状 | 第8-10页 |
| 1.3 本文的研究思路 | 第10-12页 |
| 第2章 相关理论及技术研究 | 第12-26页 |
| 2.1 数据挖掘相关技术 | 第12-15页 |
| 2.1.1 分类 | 第12-14页 |
| 2.1.2 关联规则挖掘 | 第14-15页 |
| 2.2 推荐算法相关技术 | 第15-19页 |
| 2.2.1 基于协同过滤的算法(collaborative filtering,CF) | 第15-17页 |
| 2.2.2 基于内容的推荐算法 | 第17页 |
| 2.2.3 基于矩阵分解的协同过滤 | 第17-18页 |
| 2.2.4 基于深度学习模型的推荐 | 第18-19页 |
| 2.3 推荐系统的评测指标 | 第19-21页 |
| 2.3.1 准确性指标 | 第19-20页 |
| 2.3.2 非准确性指标 | 第20-21页 |
| 2.4 基于WEB用户行为分析概述 | 第21-25页 |
| 2.4.1 web用户行为数据 | 第22-23页 |
| 2.4.2 web用户行为数据分析方法 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 个性化职位推荐算法的设计 | 第26-38页 |
| 3.1 个性化职位推荐设计与描述 | 第26-27页 |
| 3.2 推荐用户的选择 | 第27-29页 |
| 3.3 用户行为分析 | 第29-30页 |
| 3.4 混合推荐算法 | 第30-35页 |
| 3.5 推荐结果 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 实验分析验证 | 第38-44页 |
| 4.1 相关数据集介绍 | 第38页 |
| 4.2 数据获取及预处理 | 第38-40页 |
| 4.4 实验及对比实验 | 第40-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 总结与展望 | 第44-46页 |
| 5.1 论文小结 | 第44页 |
| 5.2 工作展望 | 第44-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 攻读士学位期间发表的论文及科研成果 | 第50页 |