| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 推荐算法的研究背景和意义 | 第8-11页 |
| 1.2 推荐算法研究现状 | 第11-12页 |
| 1.3 本文研究的内容 | 第12页 |
| 1.4 本文的组织结构 | 第12-14页 |
| 第二章 推荐算法及相关技术 | 第14-25页 |
| 2.1 推荐算法相关理论 | 第14-18页 |
| 2.1.1 推荐算法定义 | 第14-15页 |
| 2.1.2 推荐算法研究内容 | 第15-16页 |
| 2.1.3 推荐算法流程 | 第16-18页 |
| 2.2 常用的推荐算法 | 第18-24页 |
| 2.2.1 基于内容的推荐算法 | 第19-20页 |
| 2.2.2 协同过滤推荐算法 | 第20-22页 |
| 2.2.3 基于关联规则的推荐 | 第22-23页 |
| 2.2.4 基于知识的推荐 | 第23页 |
| 2.2.5 基于上下文推荐 | 第23页 |
| 2.2.6 社交网络推荐 | 第23-24页 |
| 2.2.7 混合推荐 | 第24页 |
| 2.3 本章总结 | 第24-25页 |
| 第三章 基于改进的相似度方法的混合推荐算法 | 第25-35页 |
| 3.1 混合推荐算法思想 | 第25-26页 |
| 3.2 算法存在的问题 | 第26-28页 |
| 3.3 混合推荐算法流程 | 第28页 |
| 3.4 相关研究现状 | 第28-29页 |
| 3.5 相似度算法 | 第29-32页 |
| 3.5.1 基于评分的相似度算法 | 第29-30页 |
| 3.5.2 基于用户属性的相似度算法 | 第30页 |
| 3.5.3 混合相似度算法 | 第30-32页 |
| 3.6 改进的混合相似度算法 | 第32页 |
| 3.7 基于改进的相似度算法的过程 | 第32-33页 |
| 3.8 用户最近邻选择 | 第33页 |
| 3.9 评分预测 | 第33-34页 |
| 3.10 本章总结 | 第34-35页 |
| 第四章 基于优化的最近邻方法的混合推荐算法 | 第35-43页 |
| 4.1 理论背景 | 第35-37页 |
| 4.2 相关研究现状 | 第37-38页 |
| 4.3 最近邻选择方法 | 第38-39页 |
| 4.4 优化的最近邻用户选择方法 | 第39-40页 |
| 4.5 基于改进的相似度算法的过程 | 第40-41页 |
| 4.6 本章总结 | 第41-43页 |
| 第五章 实验与结果分析 | 第43-60页 |
| 5.1 MovieLens实验数据及划分 | 第43-45页 |
| 5.1.1 MovieLens数据集 | 第43页 |
| 5.1.2 MovieLens实验数据划分 | 第43-45页 |
| 5.2 BookCrossing实验数据及划分 | 第45-46页 |
| 5.2.1 BookCrossing数据集 | 第45页 |
| 5.2.2 BookCrossing数据集预处理及划分 | 第45-46页 |
| 5.3 评估方法 | 第46-48页 |
| 5.4 实验环境 | 第48页 |
| 5.5 实验设计方案 | 第48-49页 |
| 5.6 MovieLens实验结果及分析 | 第49-56页 |
| 5.6.1 改进相似度的混合推荐算法结果及分析 | 第49-50页 |
| 5.6.2 最近邻方法优化混合算法结果及分析 | 第50-56页 |
| 5.7 BookCrossing实验结果及分析 | 第56-59页 |
| 5.7.1 改进相似度的混合推荐算法结果及分析 | 第56-57页 |
| 5.7.2 最近邻方法优化混合算法结果及分析 | 第57-59页 |
| 5.8 本章总结 | 第59-60页 |
| 第六章 总结及展望 | 第60-62页 |
| 6.1 文章总结 | 第60页 |
| 6.2 研究展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 在学期间的研究成果 | 第65-66页 |
| 致谢 | 第66页 |