| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 目录 | 第10-12页 |
| 第1章. 绪论 | 第12-17页 |
| ·推荐系统的研究背景和意义 | 第12-13页 |
| ·推荐系统的研究内容 | 第13-15页 |
| ·本文的研究内容及目的 | 第15-16页 |
| ·本文的组织结构 | 第16-17页 |
| 第2章. 推荐技术的相关研究工作 | 第17-25页 |
| ·基于内容过滤的推荐算法 | 第17-18页 |
| ·基于协同过滤的推荐算法 | 第18-20页 |
| ·基于规则的推荐算法 | 第20-21页 |
| ·基于聚类的推荐算法 | 第21-22页 |
| ·推荐算法的混合运用(Hybrid Recommender) | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 协同过滤推荐算法的应用与分析 | 第25-33页 |
| ·协同过滤推荐算法的研究现状 | 第25-27页 |
| ·基于用户的(User-based)协同过滤推荐算法介绍 | 第27-30页 |
| ·相似性度量方法及分析 | 第28-29页 |
| ·产生推荐 | 第29-30页 |
| ·基于项目的(Item-based)协同过滤推荐算法介绍 | 第30页 |
| ·推荐系统的评价方法 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 第4章 基于用户喜好类型的协同过滤推荐算法研究(User Favorite Type Based) | 第33-46页 |
| ·传统相似度计算方法的局限性 | 第33-35页 |
| ·针对传统协同过滤推荐算法的局限性的解决办法 | 第35页 |
| ·基于用户喜好类型推荐的可行性研究 | 第35-38页 |
| ·缺省值预测法的可行性研究 | 第38-39页 |
| ·基于用户喜好类型的协同过滤推荐算法 | 第39-43页 |
| ·算法实现所面临的主要问题 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第5章. 推荐算法的实现和实验分析 | 第46-61页 |
| ·实验数据集 | 第46页 |
| ·实验评价标准 | 第46-47页 |
| ·系统的功能模块 | 第47-49页 |
| ·实验结果对比分析 | 第49-59页 |
| ·实验数据对按类型分类的方法的支持 | 第49-52页 |
| ·实验数据对Null值处理方法的支持 | 第52-55页 |
| ·UFTB算法对类型分类和Null缺省预测方法的有效性 | 第55-59页 |
| ·本章小结 | 第59-61页 |
| 第6章. 结论和展望 | 第61-63页 |
| ·本文工作总结 | 第61页 |
| ·进一步工作展望 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65-66页 |
| 附录1:作者攻读硕士学位期间发表的论文 | 第66页 |
| 附录2:作者攻读硕士学位期间参与的科研项目 | 第66页 |
