| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的研究背景和意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状概况 | 第12-14页 |
| 1.3 论文研究的主要内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第2章 个性化推荐系统 | 第16-32页 |
| 2.1 个性化推荐系统概述 | 第16-18页 |
| 2.1.1 个性化推荐系统的组成 | 第16-17页 |
| 2.1.2 个性化推荐系统的框架和流程 | 第17-18页 |
| 2.2 常用推荐算法 | 第18-20页 |
| 2.2.1 基于关联规则的算法 | 第18页 |
| 2.2.2 基于内容的算法 | 第18-19页 |
| 2.2.3 基于协同过滤的算法 | 第19-20页 |
| 2.2.4 混合型推荐技术 | 第20页 |
| 2.3 基于协同过滤的推荐算法 | 第20-28页 |
| 2.3.1 协同过滤算法原理 | 第20-21页 |
| 2.3.2 协同过滤算法分类 | 第21-26页 |
| 2.3.3 协同过滤算法面临的问题 | 第26-28页 |
| 2.4 推荐系统质量评估方法 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 基于满意相似度的协同过滤算法 | 第32-40页 |
| 3.1 基于满意相似度的协同过滤算法 | 第32-37页 |
| 3.1.1 用户-项目评分矩阵的表示形式 | 第32-33页 |
| 3.1.2 近邻用户的形成 | 第33-36页 |
| 3.1.3 预测结果的产生 | 第36-37页 |
| 3.2 基于满意相似度的协同过滤推荐算法及流程图 | 第37-39页 |
| 3.2.1 基于满意相似度的协同过滤算法 | 第37-38页 |
| 3.2.2 基于满意相似度的协同过滤算法流程图 | 第38-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第4章 基于满意相似度的Slope One算法 | 第40-49页 |
| 4.1 协同过滤推荐系统的数据稀疏性问题 | 第40-42页 |
| 4.1.1 稀疏性问题对推荐系统性能的影响 | 第40-41页 |
| 4.1.2 稀疏性问题的解决方法 | 第41-42页 |
| 4.2 基于满意相似度的Slope One算法 | 第42-48页 |
| 4.2.1 Slope One算法 | 第42-45页 |
| 4.2.2 基于满意相似度的Slope One算法及流程图 | 第45-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第5章 实验设计及结果分析 | 第49-58页 |
| 5.1 实验环境及工具介绍 | 第49页 |
| 5.1.1 实验环境 | 第49页 |
| 5.1.2 实验工具 | 第49页 |
| 5.2 实验数据 | 第49-50页 |
| 5.3 实验设计 | 第50-53页 |
| 5.3.1 数据预处理 | 第50页 |
| 5.3.2 基于满意相似度的协同过滤算法实验设计 | 第50-52页 |
| 5.3.3 基于满意相似度的Slope One算法实验设计 | 第52-53页 |
| 5.4 推荐质量评价方法 | 第53页 |
| 5.5 实验结果分析 | 第53-57页 |
| 5.5.1 基于满意相似度的协同过滤算法 | 第53-56页 |
| 5.5.2 基于满意相似度的Slope One算法 | 第56-57页 |
| 5.6 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第63-64页 |
| 致谢 | 第64-65页 |
| 作者简介 | 第65页 |
