| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 协同过滤推荐系统 | 第10-12页 |
| 1.2 基于内容的推荐系统 | 第12-13页 |
| 1.3 本文的研究内容 | 第13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 第2章 协同过滤推荐系统 | 第15-27页 |
| 2.1 基于用户的协同过滤推荐算法 | 第15-19页 |
| 2.1.1 用户相似度的计算 | 第16-18页 |
| 2.1.2 计算预测评分 | 第18页 |
| 2.1.3 基于用户的协同过滤算法的优缺点 | 第18-19页 |
| 2.2 基于物品的协同过滤推荐算法 | 第19-21页 |
| 2.2.1 物品相似度的计算 | 第19-20页 |
| 2.2.2 预测评分的计算 | 第20-21页 |
| 2.2.3 基于物品的协同过滤算法的优缺点 | 第21页 |
| 2.3 基于一元评分数据的协同过滤推荐 | 第21-24页 |
| 2.4 协同过滤推荐算法的性能指标 | 第24-27页 |
| 第3章 图书推荐系统实现的整体框架 | 第27-38页 |
| 3.1 图书推荐系统的功能 | 第27-28页 |
| 3.2 数据库设计 | 第28-30页 |
| 3.3 图书推荐系统的组成 | 第30-32页 |
| 3.4 数据库访问类SqlDatabase | 第32-35页 |
| 3.5 读者相似度类UserSimilarity | 第35-36页 |
| 3.6 书籍相似度类BookSimilarity | 第36-37页 |
| 3.7 书籍评分类BookScore | 第37-38页 |
| 第4章 生成训练数据和测试数据 | 第38-40页 |
| 第5章 基于读者的协同过滤推荐 | 第40-47页 |
| 5.1 生成读者相似度信息 | 第40-41页 |
| 5.2 为读者产生推荐 | 第41-42页 |
| 5.3 运行结果 | 第42-47页 |
| 第6章 基于书籍的协同过滤推荐 | 第47-53页 |
| 6.1 书籍相似度信息的生成 | 第47-48页 |
| 6.2 生成推荐 | 第48-49页 |
| 6.3 运行结果 | 第49-53页 |
| 第7章 协同过滤推荐算法的性能测试 | 第53-60页 |
| 7.1 协同过滤推荐算法性能测试的实现 | 第54页 |
| 7.2 使用加入阈值的余弦相似度公式的性能测试结果 | 第54-57页 |
| 7.3 使用余弦相似度的协同过滤推荐的性能分析 | 第57-58页 |
| 7.4 使用Jaccard公式的协同过滤推荐的性能分析 | 第58-60页 |
| 第8章 专家推荐 | 第60-64页 |
| 8.1 专家推荐表 | 第60页 |
| 8.2 专家推荐的录入 | 第60-61页 |
| 8.3 删除专家推荐 | 第61-63页 |
| 8.4 为读者产生专家推荐 | 第63-64页 |
| 第9章 总结 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 致谢 | 第67-68页 |
| 答辩委员会对论文的评定意见 | 第68页 |