| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 推荐系统的研究背景和意义 | 第8-9页 |
| 1.2 推荐系统的研究现状 | 第9-10页 |
| 1.3 论文的研究内容 | 第10页 |
| 1.4 论文的组织结构 | 第10-12页 |
| 第二章 推荐系统与协同过滤 | 第12-25页 |
| 2.1 推荐系统的几种实现方式 | 第12-17页 |
| 2.1.1 基于内容推荐 | 第12-13页 |
| 2.1.2 协同过滤推荐 | 第13-14页 |
| 2.1.3 基于知识的推荐 | 第14-15页 |
| 2.1.4 组合推荐 | 第15-16页 |
| 2.1.5 其他推荐 | 第16-17页 |
| 2.2 协同过滤的优点 | 第17页 |
| 2.3 协同过滤面临的挑战 | 第17-19页 |
| 2.4 协同过滤的研究现状 | 第19-23页 |
| 2.4.1 基于邻居的协同过滤 | 第19-20页 |
| 2.4.2 基于模型的协同过滤 | 第20-22页 |
| 2.4.3 基于矩阵分解的协同过滤 | 第22-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第三章 矩阵分解推荐算法的研究和改进 | 第25-37页 |
| 3.1 几种基本矩阵分解算法 | 第25-32页 |
| 3.1.1 基本矩阵分解 | 第25-27页 |
| 3.1.2 规范化矩阵分解 | 第27-29页 |
| 3.1.3 偏差矩阵分解 | 第29-32页 |
| 3.2 加入内容信息的矩阵分解 | 第32-36页 |
| 3.2.1 改进算法的提出 | 第32页 |
| 3.2.2 相关研究现状 | 第32-33页 |
| 3.2.3 算法实现 | 第33-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第四章 组合算法研究 | 第37-46页 |
| 4.1 组合算法的依据 | 第37-38页 |
| 4.2 传统基于邻居推荐算法 | 第38-40页 |
| 4.2.1 传统基于邻居算法简介 | 第38页 |
| 4.2.2 基于邻居协同过滤推荐流程 | 第38-40页 |
| 4.3 预测调整的邻居算法 | 第40-43页 |
| 4.3.1 算法依据 | 第40-42页 |
| 4.3.2 算法实现过程 | 第42-43页 |
| 4.4 基于矩阵分解的邻居算法 | 第43-44页 |
| 4.4.1 算法依据 | 第43页 |
| 4.4.2 算法实现过程 | 第43-44页 |
| 4.5 MF、users-based以及items-based三种算法的组合 | 第44-45页 |
| 4.5.1 算法的提出 | 第44页 |
| 4.5.2 算法的实现 | 第44-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 实验结果分析 | 第46-62页 |
| 5.1 实验数据集 | 第46-47页 |
| 5.1.1 MovieLens数据集 | 第46页 |
| 5.1.2 百度电影数据集 | 第46-47页 |
| 5.2 实验环境 | 第47页 |
| 5.3 实验评价标准 | 第47-48页 |
| 5.4 实验设计方案 | 第48-49页 |
| 5.5 实验结果及分析 | 第49-61页 |
| 5.5.1 各种矩阵分解算法的比较分析 | 第49-52页 |
| 5.5.2 组合算法的比较分析 | 第52-61页 |
| 5.6 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 工作总结 | 第62-63页 |
| 6.2 工作展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 在学期间的研究成果 | 第67-68页 |
| 致谢 | 第68页 |