| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 协同过滤推荐系统 | 第11-16页 |
| 1.3 本论文的主要研究内容和组织结构 | 第16-18页 |
| 2 研究现状及相关工作 | 第18-27页 |
| 2.1 协同过滤 | 第18-23页 |
| 2.2 强弱关系 | 第23-26页 |
| 2.3 本章小结 | 第26-27页 |
| 3 正负二值评分模式下引入平滑函数的用户相似度模型 | 第27-44页 |
| 3.1 引言 | 第27-28页 |
| 3.2 几种典型的相似度计算模型 | 第28-31页 |
| 3.3 正负二值评分模式下相似度计算模型的适用性分析 | 第31-33页 |
| 3.4 引入平滑函数的杰卡德相似度计算模型 | 第33-36页 |
| 3.5 实验设计分析 | 第36-43页 |
| 3.6 本章小结 | 第43-44页 |
| 4 融合用户关系强度模型及基于融合算法的缺失值填充 | 第44-63页 |
| 4.1 引言 | 第44-46页 |
| 4.2 基于社交信息的用户关系强度模型 | 第46-50页 |
| 4.3 算法的整体框架描述 | 第50-53页 |
| 4.4 评分矩阵缺失值预测填充处理 | 第53-55页 |
| 4.5 实验设计及分析 | 第55-62页 |
| 4.6 本章小结 | 第62-63页 |
| 5 总结与展望 | 第63-65页 |
| 5.1 全文总结 | 第63-64页 |
| 5.2 工作展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士期间参与的项目 | 第71页 |
