| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·推荐系统的研究背景 | 第10-11页 |
| ·推荐系统的研究现状 | 第11-12页 |
| ·几个有代表性的推荐系统 | 第12-13页 |
| ·本文的研究意义 | 第13-14页 |
| ·本文的组织结构 | 第14-15页 |
| 第2章 几种主要的推荐算法 | 第15-29页 |
| ·基于内容的推荐 | 第15-17页 |
| ·基于知识的推荐 | 第17页 |
| ·协同过滤推荐 | 第17-23页 |
| ·基于内存的协同过滤推荐 | 第19-23页 |
| ·基于模型的协同过滤推荐 | 第23页 |
| ·基于图结构的推荐 | 第23-25页 |
| ·组合推荐 | 第25-26页 |
| ·推荐算法存在的问题 | 第26-29页 |
| ·稀疏性问题 | 第26-27页 |
| ·冷启动问题 | 第27页 |
| ·扩展性问题 | 第27页 |
| ·特征提取问题 | 第27-29页 |
| 第3章 矩阵分解模型与协同过滤推荐 | 第29-50页 |
| ·矩阵奇异值分解 | 第29-32页 |
| ·梯度下降法 | 第32页 |
| ·矩阵分解基本算法 | 第32-37页 |
| ·Basic MF | 第32-34页 |
| ·Regularized MF | 第34-35页 |
| ·Biases MF | 第35-37页 |
| ·矩阵分解改进算法 | 第37-43页 |
| ·Biases Vector MF | 第37-40页 |
| ·Users Similar and Items Similar MF | 第40-43页 |
| ·Non-Negative MF | 第43-44页 |
| ·差异度量方法 | 第44-45页 |
| ·预测评分 | 第45-49页 |
| ·基本预测 | 第45-46页 |
| ·改进预测 | 第46-49页 |
| ·注意问题 | 第49-50页 |
| 第4章 实验分析 | 第50-63页 |
| ·实验数据集 | 第50页 |
| ·实验环境 | 第50页 |
| ·评测标准 | 第50-52页 |
| ·MAE | 第51页 |
| ·RMSE | 第51页 |
| ·查准率 | 第51页 |
| ·查全率 | 第51-52页 |
| ·正确率 | 第52页 |
| ·实验设计 | 第52-53页 |
| ·实验分析 | 第53-63页 |
| 第5章 总结与展望 | 第63-65页 |
| ·工作总结 | 第63页 |
| ·未来展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 作者简介及在学期间所取得的科研成果 | 第69-70页 |
| 致谢 | 第70页 |