| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.3 本文的主要研究工作和组织结构 | 第16-17页 |
| 2 协同过滤技术及其存在的问题 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 协同过滤技术的基本工作原理 | 第17-18页 |
| 2.3 典型协同过滤算法介绍 | 第18-22页 |
| 2.3.1 基于项目的协同过滤算法 | 第18-19页 |
| 2.3.2 基于PLSA模型的协同过滤算法 | 第19-22页 |
| 2.4 协同过滤技术中存在的问题 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 基于词包的物品内容特征表示 | 第25-37页 |
| 3.1 引言 | 第25-26页 |
| 3.2 物品功能属性的文本词表示 | 第26-27页 |
| 3.3 物品图像特征的视觉词表示 | 第27-35页 |
| 3.3.1 物品图像特征的提取 | 第27-34页 |
| 3.3.2 物品图像特征的视觉词表示 | 第34-35页 |
| 3.4 基于词包的物品内容特征表示 | 第35页 |
| 3.5 实验结果与分析 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 4 基于GC-PLSA模型和用户兴趣因子的物品推荐 | 第37-52页 |
| 4.1 引言 | 第37-38页 |
| 4.2 PLSA模型及其工作原理 | 第38-40页 |
| 4.3 基于GC-PLSA模型的物品评分等级计算 | 第40-45页 |
| 4.4 基于GC-PLSA模型和用户兴趣因子的物品推荐 | 第45-46页 |
| 4.5 实验结果与分析 | 第46-51页 |
| 4.5.1 实验环境、实验数据和实验评价准则 | 第47页 |
| 4.5.2 实验结果及分析 | 第47-51页 |
| 4.6 本章小结 | 第51-52页 |
| 5 基于ITRM模型的物品多样性推荐 | 第52-62页 |
| 5.1 引言 | 第52-53页 |
| 5.2 推荐结果多样性研究的相关工作 | 第53-55页 |
| 5.3 基于ITRM模型的物品多样性推荐 | 第55-57页 |
| 5.4 实验结果与分析 | 第57-61页 |
| 5.4.1 推荐结果总体多样性的度量准则 | 第57页 |
| 5.4.2 实验结果及分析 | 第57-61页 |
| 5.5 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 全文总结 | 第62页 |
| 6.2 工作展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读学位期间主要的研究成果目录 | 第70-71页 |
| 致谢 | 第71页 |